P. 1
Graficos de Control, Com Construirlos

Graficos de Control, Com Construirlos

4.0

|Views: 5.428|Likes:
Publicado porribaanairda

More info:

Published by: ribaanairda on May 14, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/16/2013

pdf

text

original

Sections

  • 1.1. Introducción
  • 1.2.1. Proceso estable y proceso capaz
  • 1.3.1.1. Gráficos de variables X, R
  • 1.3.1.2. Gráficos de medidas individuales X
  • 1.3.1.3. Gráficos X /R con media móvil
  • 1.3.1.4. Gráficos ( )
  • 1.3.1.5. Gráficos mediana y recorrido
  • 1.3.1.6. Gráficos X objetivo, R
  • 1.3.2.1. Gráficos para unidades defectuosas
  • 1.3.2.2. Gráficos para defectos
  • 1.4.1. Definiciones
  • 1.4.2. Índices de capacidad
  • 1.4.3. Conclusiones sobre los estudios de capacidad
  • 1.4.4. Consideraciones sobre la dispersión de los procesos
  • 1.5.1. Procedimiento de actuación
  • 1.5.2. Potencia del sistema
  • 1.6. Ejemplos
  • 2.1. Elementos de los planes de muestreo
  • 2.2. Curvas características
  • 2.3. Tipos de muestreo
  • 2.4. Niveles de inspección
  • 2.5.1. Planes de muestreo por variables
  • 2.5.2. Planes de muestreo por atributos

Control estadístico de procesos y

Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
1
CONTROL ESTADÍSTICO DE PROCESOS
Y PLANES DE MUESTREO
DIRECCIÓN DE LA PRODUCCIÓN
Por:
• LUIS ARENCIBIA SÁNCHEZ
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
2
Índice.
1. Control estadístico de procesos.
1.1. Introducción.
1.2. Variación y sus causas.
1.3. Gráficos de control.
1.4. Capacidad de procesos.
1.5. Precontrol.
1.6. Ejemplos.
2. Planes de muestreo.
2.1. Elementos de los planes de muestreo.
2.2. Curvas características.
2.3. Tipos de muestreo.
2.4. Niveles de inspección.
2.5. Tipos de planes de muestreo.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
3
1. Control estadístico de procesos.
1.1. Introducción.
1.2. Variación y sus causas.
1.2.1. Proceso estable y proceso capaz.
1.3. Gráficos de control.
1.3.1. Gráficos de control por variables.
Gráficos de variables X , R.
Gráficos de medidas individuales X.
Gráficos X /R con media móvil.
Gráficos
( )
X,S .
Gráficos mediana y recorrido.
Gráficos X objetivo, R.
1.3.2. Gráficos de control por atributos.
Gráficos para unidades defectuosas.
Gráficos para defectos.
1.4. Capacidad de procesos.
1.4.1. Definiciones.
1.4.2. Índices de capacidad.
1.4.3. Conclusiones sobre los estudios de capacidad.
1.4.4. Consideraciones sobre la dispersión de los procesos.
1.5. Precontrol.
1.5.2. Potencia del sistema.
1.5.1. Procedimiento de actuación.
1.6. Ejemplos.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
4
1. Control estadístico de procesos.
1.1. Introducción.
Es sabido que, en los procesos repetitivos, por muy bien regulados que se encuentren,
no se obtienen productos iguales. Las diferencias, sean grandes (que se detectan fácilmente) o
pequeñas (de más difícil detección), existen siempre.
Los sistemas de control basados en evitar la salida al mercado de productos
defectuosos mediante verificación final del producto terminado antes de su venta, aunque
logra que no lleguen al usuario dichos productos, no eliminan las diferencias a lo largo del
proceso productivo. Esto da lugar a unos costes inherentes al proceso que, en un mercado tan
competitivo como el actual, hace inevitables tales productos.
Es necesario, pues estudiar las causas que producen diferencias para poder actuar
antes de que se produzcan. Ésta es la misión del Control Estadístico de Procesos (CEP),
detectar cualquier posible desajuste susceptible de originar una disminución del nivel de
calidad exigido.
El Control Estadístico de Procesos (CEP, en inglés Statistical Process Control, SPC), es
un instrumento de gestión que permite, mediante la comparación del funcionamiento del
proceso con unos límites previamente establecidos estadísticamente, y la modificación de las
condiciones del proceso, si es preciso, establecer y garantizar la consecución de las
especificaciones deseadas. Permite conseguir, mantener y mejorar procesos estables y
capaces.
Los elementos del CEP, son:
a. El Proceso. Es la combinación organizada de los elementos: mano de obra,
instalaciones, materia prima, métodos de trabajo y entorno, para elaborar un objeto:
producto o servicio.
b. Información sobre el comportamiento del proceso. Incluye el estudio de las
variaciones de los parámetros mas significativos, que definen las condiciones de
operación en el proceso.
c. Información sobre el comportamiento del proceso en curso de producción.
Se obtiene a través de la medición y estudio de los parámetros más significativos y
en tiempo real, en cada una de las operaciones de transformación o elaboración de
los productos o servicios.
d. Medidas correctoras al proceso. Del análisis e interpretación de las informaciones,
en caso de desajuste, surge la necesidad de adoptar medidas correctoras que
modifiquen permanentemente el proceso. Son acciones de carácter preventivo de
mejora del proceso. En general no son competencia del operario de la línea, sino
responsabilidad de la Dirección.
e. Medidas correctoras al curso de producción. Cuando se observa que hay
variación y el proceso entra en situación inestable, es necesario aportar decisiones
de acciones correctoras inmediatas para eliminar las causas y restituir al proceso
dentro de condiciones de variabilidad no asignable. Son competencia de los operarios
de la línea.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
5
En la siguiente figura se muestra la relación entre dichos componentes.
Medidas
correctoras
al Proceso
Proceso
Mano de Obra
Instalaciones
Materiales
Métodos
Entorno
Curso De Producción
Información sobre el
comportamiento del
Proceso
Información sobre el
comportamiento del
Proceso en curso de
Producción.
Medidas
correctoras
al curso de
Producción
El CEP es un método sistemático para prevenir/predecir y minimizar las variaciones de
los procesos y consiste en examinar su resultado final, controlando muestras de las unidades
producidas tomadas a intervalos suficientemente breves, con objeto de asegurar la debida
actuación sobre las causas que provocan el desajuste.
Los indicadores de desajuste de un proceso se obtienen a partir de la aplicación de
conceptos estadísticos y gráficos, que permiten valorar los cambios en los valores medios y en
la dispersión de los parámetros especificados como de consigna u objetivo.
Utilizadas adecuadamente, las técnicas de CEP nos proporcionarán las siguientes
ventajas:
• Reducción de costes.
• Mejora de calidad y rendimiento.
• Reducción de la actividad de inspección innecesaria.
• Reducción de recuperaciones y chatarra.
• Puesta en evidencia de muchos problemas de diseño.
• Resolución sencilla de difíciles problemas relacionados con especificaciones y
requerimientos.
• Aislamiento de las fuentes de variación de los procesos.
En la realidad existen dos aspectos distintos del CEP que por lo general suelen ser
confundidos: el control de procesos y la capacidad de procesos.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
6
1.2. Variación y sus causas.
Se denomina variación a las diferencias que resultan del efecto combinado de las
influencias, internas y externas, que afectan a los factores (mano de obra, instalaciones,
materiales, métodos y entorno) que intervienen en un proceso. El concepto de variación es
también aplicable a procesos administrativos, de fabricación o de servicios.
Por ejemplo, las diferencias en el tiempo de tramitación de un pedido variarán según las
personas encargadas de realizarlo, los medios disponibles y los sistemas empleados en cada
momento. Las diferencias entre piezas moldeadas pueden ser debidas a la máquina, al
material, al operario, al entorno o al método seguido.
Las causas que provocan estas variaciones corresponden a dos tipos:
a. Causas comunes.
Su naturaleza es de tipo aleatorio y son debidas a los numerosos motivos de
variación fortuita, en general pequeños, que están presentes en cualquier proceso.
Como resultado, el proceso tiene un comportamiento estable en el tiempo y las
características de salida pueden predecirse.
Las causas comunes se caracterizan por:
• Constar de muchas causas de variación pequeña.
• Aparecer en muchos instantes del proceso.
• Ser estables.
• Ser previsibles.
• Permanecer en el proceso.
Ejemplos de causas comunes son: vibraciones en máquinas, pequeños cambios en la
materia prima, holguras y desgaste de herramientas.
Si las causas comunes producen defectos, la solución es realizar cambios en el proceso,
que disminuyan el efecto de las mismas. Estos cambios suelen ser competencia de los
niveles superiores en la organización.
Nunca debe ajustarse puntualmente el proceso cuando la variación es producida por
causas comunes. Así, si un operador trata de ajustar un proceso a partir de las causas
comunes de variación, el resultado será un alejamiento cada vez mayor del valor
nominal y una inestabilidad del mismo.
b. Causas especiales.
Su naturaleza no es aleatoria. Las causas especiales consisten en unos pocos
motivos individuales que aparecen esporádicamente en el proceso, por lo que son
imprevisibles y, además, pueden dar lugar a variaciones importantes. Dan como
resultado un proceso inestable sobre el que no se puede predecir la homogeneidad
de las características de salida.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
7
Las causas especiales de variación, se caracterizan por:
• Constar de una o pocas causas importantes.
• Aparecer esporádicamente en el proceso.
• Ser inestables.
• Ser imprevisibles.
• Poder reaparecer.
Ejemplos de causas especiales son: error del operario, ajuste incorrecto y materia
prima defectuosa.
Las causas especiales de variación son detectadas mediante técnicas estadísticas y su
eliminación, mediante acciones de tipo local, sobre el elemento que la genera, suele ser
responsabilidad del operador o del supervisor.
En cualquier proceso en funcionamiento, su variabilidad es debida a la suma de los
efectos de ambas causas, comunes y especiales. El objetivo principal del estudio de
un proceso es poder separar las causas comunes de las especiales, eliminando
estas últimas y logra que la variabilidad sea debida sólo a causas comunes. En
estas condiciones diremos que “el proceso está en estado de control”.
La variabilidad debida a estas causas (las comunes) es perfectamente
cuantificable, bastando con observar el proceso durante un periodo de tiempo tal que
garantice que todas las causas comunes han actuado. A partir de este momento su
variabilidad es predecible, puesto que a lo largo del tiempo su variabilidad tendrá un
máximo y un mínimo que coincidirá con lo observado en el periodo inicial.
Las diferencias entre las causas comunes y las especiales se resumen en la s siguiente
tabla:
CAUSAS COMUNES CAUSAS ESPECIALES
− Muchas causas individuales. − Una sola causa individual.
− Dan lugar a variaciones
pequeñas.
− Dan lugar a variaciones
importantes.
− Producen variabilidad constante y
predecible.
− Producen variabilidad no
constante e impredecible.
− No es económica su eliminación y
de difícil reducción sus efectos.
− Sus efectos desaparecen al
eliminar la causa.
− Cuando sólo hay causas
comunes, el funcionamiento es
óptimo.
− El proceso no funciona de manera
óptima cuando actúan.
− En estas condiciones, el proceso
es estable, pudiendo utilizar
técnicas de muestreo para hacer
predicciones.
− Cuando actúan no se pueden
hacer predicciones del
funcionamiento del proceso.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
8
1.2.1. Proceso estable y proceso capaz.
Las causas de variación y su intensidad hacen que un proceso sea estable o inestable. Y
si éste es estable, determinan si es capaz o no capaz.
• Proceso estable.
Un proceso estable es el que resulta cuando sólo están presentes causas
comunes de variación. La mejora de un proceso estable requiere cambios
fundamentales en él.
Proceso estable
Un proceso estable es consistente. El resultado del proceso no varía en
el tiempo: la media no se desvía y la dispersión no varía significativamente. En un
proceso estable se pueden predecir sus resultados.
Dentro de los procesos estables podemos hacer otra clasificación: proceso
capaz o no capaz.
- Proceso capaz y no capaz
Decimos que el proceso es capaz respecto a una especificación de consigna
determinada, si la distribución estadística de las medidas está dentro de los
límites de la especificación.
Proceso capaz y proceso no capaz
Para que un proceso sea capaz primeramente debe ser estable. Un
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
9
proceso capaz genera, consecuentemente, productos que cumplen con las
especificaciones.
La secuencia genérica para conseguir un proceso capaz es la siguiente:
PROCESO
ESTABLE
NO CAPAZ
Detectar
Causas
Comunes
PROCESO
CAPAZ
Investigar
Causas
Comunes
Reducir
Causas
Comunes
Una vez estabilizado el proceso y eliminadas las causas de variación, se debe
realizar el estudio de capacidad y la reducción, si es preciso, de las causas no
asignables de variación, para conseguir que el proceso sea capaz.
• Proceso inestable.
Un proceso inestable es aquél que presenta causas especiales de variación.
Proceso inestable
Se observan cambios en la media y en la dispersión de las observaciones. La
mejora de un proceso inestable requiere la aplicación del control estadístico de
proceso y seguir la secuencia genérica siguiente:
PROCESO
INESTABLE
Detectar
Causas
Especiales
PROCESO
ESTABLE
Investigar
Causas
Especiales
Eliminar
Causas
Especiales
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
10
1.3. Gráficos de control.
Si representamos en el tiempo el resultado estadístico (media, dispersión) de las
observaciones de un determinado parámetro que especifica un proceso y lo comparamos con
unos límites de tolerancia previamente calculados en el entorno del valor de consigna
especificado y que reflejen la capacidad del proceso, obtendremos un gráfico de control.
El fundamento estadístico para el cálculo de estos límites se basa en que cuando un
proceso está bajo control (y por tanto la variabilidad está motivada tan sólo por causas
comunes), las medidas observadas tienden a ajustarse a la distribución normal.
En consecuencia se admite en Control de Calidad que el entorno de variación alrededor
del valor de consigna es: ( ) x + 3 , x - 3 σ σ o intervalo de tolerancias naturales, que corresponde a
una probabilidad del 0,9974 (99,74%) que las medidas que obtenga el proceso estén dentro
de este entorno y del 0,0026 (0,26%) fuera de él. Estos límites se denominan también límites
de variación natural del proceso y a la amplitud entre estos límites, capacidad del
proceso ( ) 6σ . En algunos casos se incluyen en los gráficos de control los límites de aviso,
cuyo intervalo es mas restrictivo.
Los problemas de calidad aparecen, normalmente, cuando un proceso se desvía de su
trayectoria habitual. En este sentido el gráfico de control permite, por el conocimiento de los
límites de control, saber cuando un proceso empieza a alterarse ofreciendo la posibilidad de
corregirlo antes de que empiecen a producirse piezas defectuosas.
• Requisitos del gráfico de control
Los requisitos necesarios para la construcción de un Gráfico de Control son los
siguientes:
– Definir el proceso y sus condiciones de funcionamiento de manera que estén
claras las especificaciones del producto y de los elementos que le afectan, y
además, los parámetros del mismo se hayan ajustado para obtener la misma
variabilidad.
– Seleccionar una o varias características de calidad que van a ser controladas.
– Anotar los datos tomados de las sucesivas muestras de producto, conforme vaya
realizándose la producción.
– Determinar los límites de control a partir de los datos.
– Dibujar los límites en el gráfico apropiado.
– Comenzar a dibujar en el gráfico los puntos representativos de las muestras de la
producción siguientes, a las utilizadas para la determinación de los límites de
control.
– Tomar las acciones correctoras adecuadas cuando los puntos representativos de
las muestras caigan fuera de los límites de control.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
11
• Tipos de gráficos de control
De forma general existen, en un proceso industrial, dos tipos de seguimiento de los
procesos a los que corresponden sendos tipos de gráficos:
– Gráficos de control de dimensiones o variables (conocidos como gráficos
X /R y X /S).
– Gráficos de atributos, en los que no se controlan las medidas sino la fracción o
porcentaje defectuoso producido.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
12
1.3.1. Gráficos de control por variables.
Este tipo de gráficos es utilizado cuando las características que pretendemos controlar
son medibles y el instrumento de control utilizado permite establecer su valor.
La validez de este tipo de gráficos y por lo tanto de las estimaciones realizadas y las
consecuencias extraídas a partir de ellos, consiste en suponer que la distribución de
frecuencias que sigue la población constituida por los elementos producidos por el proceso es
una Distribución Normal ( ) N , µ σ .
En la práctica el método de control consistirá en la obtención a lo largo del proceso (en
función del tiempo), de información acerca del producto que nos permita estimar los
parámetros que definen la distribución:
− La tendencia central del proceso, µ .
− La dispersión del proceso, σ .
Una vez conocidos estos parámetros y puesto que la distribución la suponemos normal,
podremos calcular a priori entre que valores oscilará la producción.
A continuación, el trabajo es simple: comparar lo fabricado en ciertos intervalos con los
valores citados anteriormente.
Desde el punto de vista de la eficacia, la experiencia dice que el mayor
aprovechamiento de la información se logra mediante la utilización conjunta de dos gráficos:
− Gráfico de tendencia central del proceso.
− Gráfico de variabilidad del proceso.
Estos dos gráficos se irán formando simultáneamente con los datos extraídos de la
producción. En la siguiente figura se muestran estos dos tipos de gráficos, comparando cada
muestra con los valores centrales y los límites superiores e inferior de la tendencia central y de
la dispersión.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
13
Ahora bien, sabemos que la tendencia central y la variabilidad de una población pueden
venir expresadas por distintas medidas: media, moda, mediana, desviación típica, varianza,
recorrido, etc. Por lo tanto, los dos gráficos antes mencionados podrían construirse a partir de
estas medidas.
Además, si al conjunto de los dos gráficos le damos una entidad única tenemos que
gráficos (tendencia central, variabilidad) habrá tantos como posibles combinaciones de estas
medidas.
No obstante, los más utilizados son los gráficos de medias y recorridos
( )
X R / .
1.3.1.1. Gráficos de variables X , R.
En los gráficos X /R la comparación de las características a medir se hace con el valor
medio de una muestra de pequeño tamaño, estimando la variabilidad de este parámetro
mediante los recorridos de las muestras.
La ventaja de utilizar la media de una característica en lugar de un valor individual es
que los valores medios son mucho más sensibles ante variaciones del proceso que los valores
individuales.
Consideremos un proceso en el que σ para los valores individuales de las piezas vale 5
mm., siendo la media del proceso 100 mm. La dispersión ± 3 σ que como sabemos agrupa
más del 99% de los valores individuales oscila entre 85 mm. y 115 mm. Si en el proceso se
presenta una anormalidad que lleve la medida de 100 a 105 mm., moverá los límites hasta los
valores 90 y 120 mm. Sin embargo la probabilidad de que un valor individual caiga fuera de
los límites primitivos, se demuestra estadísticamente que es aproximadamente de 2%.
a. Construcción del gráfico
El gráfico está dividido en dos partes:
− La superior o gráfico X en el que se representan los valores medios de la muestras
extraídas (medidas de tendencia).
− La inferior o gráfico R en el que se representan los recorridos de las diferentes
muestras, entendiendo, como ya es sabido, el recorrido como diferencia entre los
valores máximo y mínimo de una muestra.
Los pasos para elaborar el gráfico son los siguientes:
1. Definir el tamaño de las muestras
El tamaño de la muestra o subgrupo debe ser constante. Las muestras de pequeño
tamaño aumentan la sensibilidad del proceso de detección de anomalías,
aumentando esta sensibilidad con el tamaño de la muestra. Sin embargo muestras
excesivamente grandes darían lugar a dos problemas:
− Dejaría de ser válida la estimación de la variabilidad de la población ( ) σ
partiendo del recorrido R de la muestra.
− Se encarecería el procedimiento.
Por los motivos anteriores se escoge un tamaño de muestra que esté comprendido
entre 4 y 5 unidades producidas consecutivamente en un solo flujo de proceso (una
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
14
sola herramienta, cabezal, troquel, etc), para que la variación dentro de cada
muestra represente fundamentalmente causas comunes.
2. Definir la frecuencia del muestreo.
Las muestras deben cogerse con unos intervalos entre ellas que nos garanticen que
éstas van a ser representativas de la población que pretendemos estudiar.
Por una parte, intervalos muy cortos en donde no ha habido oportunidad de cambios
sobre el proceso, aparte de encarecer el proceso, no nos garantizan una mayor
información sobre el mismo. Si por el contrario con una idea de economía, el
intervalo entre tomas de muestras es muy dilatado, lo más probable es que nos
pasen desapercibidas las causas especiales que están actuando sobre él.
Como cada proceso bajo estudio tiene unas características completamente
diferentes de los demás, no existen reglas fijas referentes al intervalo de toma de
muestra (cada 6 horas, dos veces por turno, para cada lote de fabricación, etc.).
Para establecer el intervalo de toma de muestra idóneo, debemos pues estudiar
cada proceso, o tener en cuenta la experiencia adquirida en procesos similares. Los
puntos básicos a tener en cuenta son:
− No establecer tomas de muestra en periodos que la experiencia nos garantice
continuidad en el proceso.
− Establecer tomas de muestra siempre que exista posibilidad de cambio en el
proceso, como por ejemplo:
• Cambio de turnos.
• Relevo de operarios.
• Cambio de la materia prima.
• Cambio de herramienta.
• Parada y arranque de la maquina, etc.
No obstante, durante el estudio inicial del proceso la toma de muestras se debe
hacer a intervalos más cortos que durante la fase de mantenimiento en control
del mismo, para poder detectar cualquier posible inestabilidad.
3. Establecer el número de muestras a tomar
Desde el punto de vista estadístico 25 o más muestras que dan un número total de
100 o más unidades inspeccionadas, son suficientes para tener evidencia de la
estabilidad del proceso y, si éste es estable, la tendencia central y la dispersión.
4. Registro de datos
En el impreso “Gráfico de control del proceso X /R” se registran los siguientes datos:
a) Identificación de la pieza.
− Referencia.
− Denominación.
b) Identificación del proceso.
− Operación.
− Característica.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
15
c) Identificación de la muestra.
− Tamaño.
− Frecuencia.
− Fecha.
− Turno.
− Hora.
5. Cálculo de la media
( )
X y del recorrido ( ) R de cada muestra
Los parámetros estadísticos a registrar son la media y el recorrido de cada
muestra. Los cálculos a realizar son:
Media: X Recorrido: R =X
max

+ + +

X X X
n
n
X
mim
1
2
....
donde X
1
, X
2
....X
n
son los valores individuales dentro de cada muestra, n el tamaño
de la muestra y X
max
, X
min
los valores individuales máximo y mínimo dentro de cada
muestra.
La media total
( )
X y el recorrido medio
( )
R se calculan mediante:
X
X X X
k
R R R
k
k k

+ + +

+ + + 1 2
1 2
.... ....
R
donde X X X k 1 2 , .... son las medias muéstrales de los diferentes subgrupos;
R R R
k 1 2
, .... son los recorridos de cada subgrupo y k es el número de muestras o
subgrupos tomados.
6. Selección de las escalas de los gráficos.
Las escalas verticales de los dos gráficos tanto el de medias como el de recorridos no
se encuentran pre-impresos y es necesario determinarlas para cada característica a
controlar.
a. Gráfico
( )
X .
La amplitud de la escala (Valor máximo - Valor mínimo) debe ser al menos dos
veces la diferencia entre las medias máximas y mínima de la muestra.
El centro de la escala (para tolerancias bilaterales) se tomará en principio en el
valor nominal de la característica a controlar (valor central del campo de tolerancias
especificado).
b. Gráfico ( ) R .
La escala irá desde el valor mínimo 0 a un valor máximo igual o mayor al doble del
recorrido máximo que se haya encontrado durante el periodo de puesta a punto.
Es recomendable que la escala del gráfico de recorridos sea doble que la
correspondiente al gráfico de medias (p.e. si una división del gráfico de medias es
0,2 mm., en el de recorridos deberá ser de 0,4 mm.).
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
16
7. Marcado de los valores de las Medias
( )
X y de los recorridos ( ) R en el
gráfico de control.
Se marcan los puntos correspondientes a las medias y recorridos calculados para
cada muestra. Se trazan líneas que unan dichos puntos para ayudar a visualizar el
proceso.
8. Cálculo de los límites de control
El proceso básico para situar los límites de control en los gráficos de variables es
similar al cálculo de los límites de ± 3 σ en las distribuciones de frecuencia.
La única diferencia estriba en que los límites de control para los gráficos de variables
se establecen para medidas de tendencia central y dispersión con muestras de
tamaño relativamente pequeño.
En este sentido hemos de distinguir tres tipos de límites bien diferenciados:
• Límites de especificación. Establecen la variación aceptable para las piezas
individuales producidas. Estos límites son establecidos por el servicio de
Ingeniería para cada característica importante o crítica de cada pieza. También se
conocen como límites de tolerancia (superior o inferior) de la característica a
considerar.
• Límites del proceso. Se derivan directamente de la fabricación producida y su
valor es como se sabe ± 3 σ alrededor de la tendencia central del proceso. La
comparación de estos límites con los de especificación ponen de manifiesto si el
proceso es capaz o no de conseguir tolerancias. Si los límites del proceso entran
dentro de los de especificación o tolerancias, el proceso es capaz no siéndolo en
caso contrario. En el capítulo siguiente se desarrollará ampliamente el concepto y
forma de calcular la capacidad de una máquina y de un proceso.
• Límites de control del gráfico de variables (naturales). Estos limites
corresponden a los valores ±
X
3 σ (3 x error típico) colocados a un lado y otro de
la tendencia central o valor medio total de las distintas medias muestrales. Es
decir, si se extraen sucesivas nuestras de tamaño n consecutivamente de una
producción, cada una de ellas tendrá una media xi . Si extraemos k muestras, la
tendencia central vendrá dada por:
x
x x
k
k
(x doble barra) =
x1 2 + + + ....
Pues bien, si a un lado y otro de este valor x colocamos la cantidad 3 σ
x
obtendremos los límites de control del gráfico de variables, siendo, como ya es
conocido, σ la desviación típica de los valores individuales de la producción.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
17
La figura muestra la relación entre los diferentes tipos de límites.
Así, el límite superior de control de las medias será:
LSC X
x x
+ 3σ
y como la desviación típica de las medias está relacionada con la desviación típica
de los valores individuales ( ) σ del colectivo, mediante la fórmula:
σ
σ
x
n

se tiene que:
LSC X
n
x
+

A su vez, la relación entre la desviación típica y el recorrido medio es:
σ
R
d
2
donde d
2
es una constante tabulada, se obtiene:
LSC X
nd
R
x
+
3
2
Para facilitar el cálculo, y teniendo en cuenta que el factor que multiplica a R es
una constante, se le expresa como A
2
y su valor está tabulado para cada valor de
n.
De forma análoga se obtienen los diferentes límites de control, tanto para la media
como para el recorrido, resultando:
LSC X A X A R
LSC D R R
x
R
+ −

2 2
4
R LIC
LIC = D
x
3
R
Los valores de D
2
, A
2
, D
3
y D
4
se recogen en la tabla 1 para valores de tamaño de
muestra entre dos y diez.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
18
9. Trazado de las líneas medias y de los límites de control en los gráficos
Se traza la media del proceso
( )
X y el recorrido medio (R) como líneas horizontales
con trazo discontinuo, y los límites de control LCS (X), LCI (X) y LCS (R) como
líneas horizontales continuas.
Constantes estadísticas
n 2 3 4 5 6 7 8 9 10
A
2
1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308
Ã
2
1,880 1,187 0,976 0,691 0,548 0,508 0,433 0,412 0,362
A
3
2,659 1,954 1,628 1,425 1,287 1,182 1,099 1,032 0,975
E
2
2,660 1,772 1,457 1,290 1,184 1,109 1,054 1,010 0,975
D
3
- - - - - 0,076 0,136 0,184 0,223
D
4
3,267 2,574 2,285 2,114 2,004 1,924 1,864 1,816 1,777
B
3
- - - - 0,030 0,118 0,185 0,239 0,284
B
4
3,267 2,568 2,266 2,089 1,970 1,882 1,815 1,761 1,716
d
2
1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078
C
4
0,797
9
0,886
2
0,921
3
0,940
0
0,951
5
0,959
4
0,965
0
0,969
3
0,972
7
K
1
3,257 2,046 1,630 1,413 1,278 1,185 1,119 - -
b. Interpretación del gráfico y actuación sobre el proceso
El objetivo de la interpretación de los gráficos de control es determinar cualquier
evidencia de que la tendencia central, (media del proceso) o la variabilidad (recorrido
medio) del proceso o ambas simultáneamente no se mantienen a un nivel constante,
por la actuación sobre el proceso de causas especiales.
En toda la exposición que sigue, se supone que no ha habido errores en los cálculos
o trazado de líneas y que los sistemas y criterios de medición no han sufrido
cambios.
1. Gráficos de recorridos.
a. Puntos fuera de los límites de control.
Son señal de que la variabilidad del proceso ha aumentado. Es necesario detectar
la causa especial que lo ha provocado y definir la acción correctora.
b. Tramos dentro de los límites de control.
− Siete puntos consecutivos a un mismo lado de la media por encima o por
debajo. (Rachas).
− Siete puntos consecutivos en una línea constante creciente o decreciente.
(Tendencias).
Si el tramo es creciente o por encima de la media es señal de que, aunque el
proceso no está fuera de control estadístico, están actuando causas que hacen
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
19
aumentar la variabilidad por lo que es necesario detectarlas y definir la acción
correctora.
Si el tramo es decreciente o está por debajo de la media, es señal de que
están actuando causas que hacen disminuir la variabilidad. Dado que esto nos
interesa puesto que es una mejora del proceso, es necesario detectar estas causas e
intentar repetirlas como parte normal del proceso.
2. Gráfico de medias.
a. Puntos fuera de los límites de control.
Son señal de que la tendencia central del proceso ha sufrido cambios. Es
necesario detectar las causas que lo han producido y definir la acción
correctora.
b. Tramos dentro de los límites de control.
− Siete puntos consecutivos a un mismo lado de la media del proceso por
encima o por debajo.
− Siete puntos consecutivos en una línea constante creciente o decreciente.
Ambas situaciones son indicio de que aún no estando el proceso fuera de control, están
actuando causas que modifican su estabilidad, por lo que es necesario identificarlas y
corregirlas.
c. Nuevo cálculo de los límites de control
En el caso de que existan puntos fuera de los límites de control tanto en el gráfico de
medias como en el de recorridos, para el siguiente periodo de toma de muestra es
necesario volver a calcular los límites de control.
Para ello se prescinde de los datos correspondientes a los puntos que estaban fuera
de los límites, calculando los nuevos valores de la media del proceso y del recorrido
medio con los restantes datos. Con estos valores se calculan los nuevos límites de
control.
Esta secuencia de identificación/corrección/nuevo cálculo se repite hasta que
todos los puntos restantes quedan dentro de los límites de control.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
20
d. Control continuo del proceso
Una vez finalizado el periodo de toma de muestras (25 muestras por lo general), se
vuelven a calcular los límites de control. Estos nuevos límites de control serán los
utilizados para el siguiente periodo de tomas de muestra.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
21
1.3.1.2. Gráficos de medidas individuales X
Este gráfico es útil cuando, por el tipo de proceso, sólo puede obtenerse una medida
por lote o partida. Esto ocurre cuando el tipo de medición es muy costoso (ensayos
destructivos) y en procesos químicos donde el tiempo de análisis es muy alto y la variación, en
un intervalo corto de tiempo, es muy pequeña.
La ventaja radica en que los valores del gráfico pueden ser comparados directamente
con los de la especificación.
Los inconvenientes son entre otros:
• Menor sensibilidad a los cambios del proceso.
• La interpretación se complica cuando la distribución no es simétrica.
• Los recorridos móviles deben ser interpretados con cuidado, ya que dos
recorridos móviles sucesivos nunca son independientes al tener una medición en
común.
Para la construcción de un gráfico de control de valores individuales se siguen los
mismos pasos que para los gráficos X R / , excepto que:
• Se registran las medidas individuales en vez de las medidas muestrales.
• Se calcula el recorrido móvil entre medidas individuales. La primera lectura no
tiene recorrido. En la segunda lectura, el recorrido móvil se calcula como
diferencia entre la primera y segunda lectura. En la tercera lectura el recorrido
móvil se calcula como la diferencia entre la segunda y tercera lectura y así
sucesivamente.
El número de recorridos móviles será por tanto uno menos que el número de
lecturas individuales.
• Se calcula y se marca la media del proceso y la media de los recorridos móviles.
• Se calculan los límites de control.
LSC X E X E R
LSC D R R
x
R
+ −

2 2
4
R LIC
LIC = D
x
3
R
donde X es la medida de los valores individuales y R es la media de los
recorridos móviles; E D
2 3
, y D
4
son constantes cuyo valor varía según el
agrupamiento realizado para el cálculo de los recorridos móviles, ya que si
normalmente se calcula con grupos de dos lecturas, también se puede calcular
con agrupamientos mayores.
Los valores de las constantes están indicados en la tabla 1.
Tanto la interpretación de los gráficos, como el mantenimiento y mejora del
proceso, siguen lo expresado para los gráficos X R / .
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
22
1.3.1.3. Gráficos X /R con media móvil.
Estos gráficos se utilizan en aquellos casos en que tengamos procesos que utilicen
elementos en los que se admite un cierto deterioro/desgaste/consumo/etc, y por lo tanto
deben ser cambiados.
El gráfico de control se utiliza no sólo para identificar la actuación de causas especiales
sobre el proceso sino también para determinar cuando deben introducirse los cambios de los
antes mencionados elementos.
Por ejemplo, si estamos controlando las actuaciones de un baño electrolítico mediante
medición y seguimiento de la concentración del producto que contiene el elemento que se está
depositando, esta concentración va disminuyendo con el tiempo, con lo que cualquier
representación gráfica de la concentración dará lugar a una pauta de puntos consecutivos
descendentes que de acuerdo con lo que sabemos son índice de causas especiales; o en el
supuesto de una operación de punzonado, el punzón se irá desgastando con lo que cualquier
representación gráfica de la profundidad del punzonado tendrá también una pauta de puntos
consecutivos descendentes.
Los pasos para la construcción de un gráfico de control X R / con media móvil son
similares a los seguidos para los gráficos X R / , con las siguientes diferencias:
• Los gráficos se recogen durante un ciclo completo, entendiendo como tal el periodo
entre cambio de herramienta.
• Se separan aquellos que son representativos de la actuación de las causas
especiales aparte de la tendencia creciente o decreciente esperada.
Para ello entre todos los puntos marcados en el gráfico de medias, se traza la “línea de
tendencia”. Se considera como línea de tendencia a la línea de mejor ajuste entre todos los
puntos, haciéndose de un modo gráfico sin necesidad de otros cálculos materiales.
A continuación se trazan los límites diagonales como dos líneas paralelas a la línea de
tendencia a una distancia en vertical de la misma “d” por encima y por debajo.
d A
2
R
X
Límite Diagonal Inferior
L í m i t e D i a g o n a l
Superior
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
23
Mediante la aplicación de criterios expuestos en el apartado de la Interpretación del
gráfico y actuación sobre el proceso (puntos fuera de los límites diagonales, puntos
consecutivos crecientes, decrecientes, etc.) se identifican las causas especiales que están
actuando, definiendo la acción para eliminarlas.
A continuación se definen lo que se denominan los límites de cambio del proceso,
que indicarán cuando se debe llevar a cabo el cambio.
Para ello se siguen los siguientes pasos:
1. Cálculo del “Movimiento de la media”.
Para ello y después de asegurarnos que el proceso ha estado funcionando durante un
número de ciclos de cambio de herramienta en condiciones normales de trabajo (sin
puntos fuera de los límites diagonales ni ningún tipo de pauta que indique
anormalidad en el proceso), se calcula para cada uno de estos ciclos el movimiento
de la media (M.M.) como:
MM X máximo observado - X mínimo observado
Cálculo del movimiento promedio de la media (MPM).
Se denomina movimiento promedio de la media (MPM) al valor medio de los
Movimientos de la Media en los distintos ciclos (en el caso de n ciclos).
[ ]
MPM (1/ n)(MM 1º ciclo) + (MM 2º ciclo)+....+(MM nº ciclo)
3. Cálculo de los límites de cambio del proceso
• Para la media X :
LSCP + X MPM+ A R
2
( / ) 1 2
LICP X- (1/ 2) MPM - A R
2
Siendo X y R los mismos conceptos que en un gráfico X R / .
• Para el recorrido R:
Iguales que los de un gráfico
( )
X R / convencional.
4. Una vez que el proceso esta en marcha, su mantenimiento y mejora se lleva a cabo
como sigue:
• Gráfico de medias.
a. Cuando el punto rebase los límites de cambio del proceso, es necesario
cambiar la herramienta, añadir producto al baño electrolítico, etc.
b. Basándose en los límites diagonales, se analizará el gráfico buscando causas
especiales que pudiesen estar actuando sobre el proceso.
c. Se buscará la mejora del proceso reduciendo en lo que se pueda el
movimiento promedio de la media.
• Gráfico de recorridos.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
24
a. La actuación con el gráfico de recorridos es igual a la realizada con un gráfico
de medias-recorridos convencional.
1.3.1.4. Gráficos
( )
X,S .
Estos gráficos son similares a los X R / con la diferencia de que la dispersión del
proceso se mide por la desviación típica S del mismo en vez de por el recorrido R.
Estos gráficos son menos frecuentes que los X R , por la mayor dificultad de cálculo de
la desviación típica S que del recorrido R, siendo igual de eficientes para tamaños de muestra
pequeños.
Los pasos para su construcción coincide con los seguidos para los gráficos X R / , con
las siguientes diferencias:
– Se registran las medidas individuales y la desviación típica en lugar del recorrido.
( ) ( ) ( )
s
x x x x ................ x x
n 1
(Por lo general n= 4 o 5)
2
1
2
2
2
n
2

− + − + −

Desviación típica s s
2
– Se calculan los límites de control, como se indica.
Para X
LCS X A
LCI X A
+

3
3
s
s
Para S
LCS B
LCI B

4
3
s
s
en donde: s
s s s s
n
n

+ + +
1 2 3
...............
La estimación de la desviación típica del proceso viene dada por:
σ
e
s c /
4
Siendo A B B
1 3 4
, , y C
4
valores dependientes del tamaño de muestra.
Tanto la interpretación como el mantenimiento y mejora del proceso siguen lo
expresado para los gráficos X R / .
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
25
1.3.1.5. Gráficos mediana y recorrido.
Estos gráficos son similares a los X R / con la diferencia de que la tendencia central del
proceso se mide por la mediana de las muestras en vez de por la media de las mismas.
Estos gráficos son menos frecuentes que los X R / por la menor exactitud en la
estimación de la tendencia central del proceso a través de la mediana que la lograda con la
media. Debido a esto los límites de control en estos gráficos son más amplios con lo que
pueden existir causas especiales actuando sin ser denunciadas por el gráfico.
Los pasos para la construcción de un gráfico de control de medianas y recorridos son
similares a los seguidos para los gráficos X R / , con las siguientes diferencias:
– Se registran las medidas individuales y la mediana, en lugar de la media, utilizando,
siempre que sea posible, un tamaño de muestra impar.
– Se calculan los límites de control, como se indica:
LSC M A R M A R
LSC D R D R
M
R
+ −

~ ~
2 2
4 3
LIC
LIC
M
R
donde: M es la medida de las medianas, y R es la mediana de los recorridos.
~
, A D
2 3
y D
4
son constantes cuyo valor varía según el tamaño de muestra.
Los valores de estas constantes están reflejados en la tabla.
Tanto la interpretación de los gráficos como el mantenimiento y mejora del proceso,
siguen lo expresado para los gráficos X R / .
1.3.1.6. Gráficos X objetivo, R.
Los gráficos X R 0 / son un nuevo concepto del CEP para trabajar en condiciones de
producciones en series muy cortas y sin embargo seguir manteniendo toda la potencia de los
gráficos de control tradicionales. En ellos pueden perseguirse distintas piezas y distintas
características en un mismo gráfico.
Consisten en una ligera variación de los gráficos tradicionales. El “truco” consiste en
codificar las mediciones reales obtenidas. Esta codificación no es ni más ni menos que el
asociar a cada medición el valor de su desviación respecto un objetivo que puede ser el valor
nominal de la especificación o cualquier otro valor predefinido.
Estos valores codificados son los que se representan en el gráfico. La línea central del
gráfico de objetivo, representa el valor objetivo para la pieza A. Cuando se elige otra pieza
distinta, B, para la fabricación en el mismo proceso, codificaremos los nuevos datos y
seguiremos representándoles en el gráfico a continuación de los representativos en dos piezas
distintas por una línea discontinua.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
26
Pieza A Pieza B
Sin embargo, la utilización de estos gráficos está sometida a unas ciertas condiciones:
• Todas las características que se introduzcan en un mismo gráfico, han de tener un
valor similar en lo que respecta a la dispersión. (Recorridos medios).
• El tamaño de la muestra ha de ser constante.
• Se deben recoger al menos diez muestras antes de calcular los límites de control.
Para la construcción de un gráfico de control X R 0 / se siguen los mismos pasos que
para los gráficos X R / , excepto en que:
• Se registran las siguientes medidas:
a. Gráfico Xo.
En este gráfico se representa en cada punto de control el valor resultante de
restar a la media de los valores reales obtenidos en la muestra, el valor objetivo.

x X n i
o
i


/
x Valor objetivo
n = tamaño de la muestra (constante)
El valor codificado a representar será pues: x x x c i o
i i

b. Gráfico R.
En este gráfico se representa la diferencia entre el valor mayor y el menor de los
valores reales obtenidos en la muestra.
R x x
i

min. max.
-
– Se calculan las líneas centrales y límites de control:
ƒ Gráfico de medias.
x
x x x x
k
c c c ck

+ + + + 1 2 3 ..............................




Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
27


Los límites de control vienen dados por las expresiones:

LCS X A R
LCI X A R
+

2
2
en donde A
2
es un valor función del tamaño de la muestra (Ver tabla 1),
apartado

ƒ Gráfico de recorridos.
La línea central es el denominado recorrido medio R .
R
R R R R
k
k

+ + + +
1 2 3
............................
Los límites de control vienen dados por las expresiones:
LCS D R
LCI D R

4
3
En donde D
3
y D
4
son dos valores función del tamaño de la muestra.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
28
1.3.2. Gráficos de control por atributos.
Ya hemos visto como los gráficos de control por variables nos ayudan a estudiar las
causas que producen inutilidades durante el proceso y a evitarlas.
Estos gráficos de control exigían que la característica escogida para controlar el proceso
fuera mensurable. Sin embargo muchas veces es necesario controlar un proceso en que la
característica escogida es no mensurable (una bombilla se enciende o bien, el color de un
elemento es el especificado o no, etc.) o bien, siendo mensurable, por abaratar costos de la
inspección, ésta se realiza mediante calibres o útiles que transforman las medidas con
tolerancia de una pieza en aceptable o no aceptable (calibres pasa - no pasa).
Para estos casos se desarrollan los gráficos de control por atributos. No obstante, hay
que saber cuantificar de una forma real dichos costos dado que la información que perdemos al
utilizarlos en grande, a menos que sea totalmente imposible el obtener datos de tipo variable.
Una excepción a esta regla es cuando los datos históricos que disponemos sean de tipo
atributo. En este caso utilizaremos los gráficos de atributos para analizarlos y decidir que
características vamos a controlar en el futuro con gráficos de variables.
En general, los gráficos de control por atributos son utilizados para la mejora de
proceso que producen un alto número de unidades defectuosas.
Aunque estos gráficos son capaces de distinguir entre causas comunes y especiales,
tienen el inconveniente de no avisar si se van a producir cambios adversos en el proceso.
Avisan cuando ya se han introducido.
Vamos a distinguir dos grandes grupos de gráficos de control por atributos según
controlemos unidades defectuosas defectos.
a. Para unidades defectuosas:
− Gráfico de proporción de unidades defectuosas (p)
− Gráfico de porcentaje de unidades defectuosas (100 p)
− Gráfico de número de unidades defectuosas (n p)
b. Para defectos:
− Gráfico de número de defectos por unidad (u)
− Gráfico de número de defectos por muestra(c)
Dentro de cada grupo, los gráficos p, 100p y u difieren de los gráficos n p y c en que los
primeros son gráficos en los que el tamaño de la muestra no es constante, y por ello se
estudian proporciones en función del tamaño de la muestra para que la base de comparación
sea la misma. Cuando el tamaño de la muestra es constante no es necesario calcular
proporciones siendo válidos los datos directos (gráficos n p y c).
A la hora de elegir uno de los gráficos anteriores, podemos utilizar el cuadro resumen
siguiente:
CARACTERÍSTICA A CONTROLAR
TAMAÑO DE MUESTRA
ELEMENTOS DEFECTUOSOS DEFECTOS
CONSTANTE
n p c
VARIABLE p ó 100 p u
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
29
1.3.2.1. Gráficos para unidades defectuosas.
A. Gráficos “n p” (número de unidades defectuosas).
De acuerdo con el cuadro anterior, este tipo de gráfico se utiliza cuando queremos controlar
la evolución a lo largo del tiempo de la producción de unidades defectuosas y nos es posible
mantener un tamaño de muestra constante.
Es necesario hacer la aclaración de que si consideramos “defecto” a cualquier falta de
conformidad de la unidad producida con los requerimientos establecidos, consideramos
como unidad defectuosa a aquella que presenta una o más defectos.
Es más, este gráfico nos permitirá el controlar al mismo tiempo más de un tipo de defecto.
Por ejemplo, en la verificación de una cadena de fabricación de bombillas, podemos
establecer como posibles defectos los siguientes:
a. No luce
b. Falta estañado
c. Unión casquillo / ampolla suelta
Consideramos unidad defectuosa a cualquiera que tenga un defecto de los tipos anteriores o
una combinación cualquiera de los mismos.
El problema por lo tanto consistirá en coger muestras de tamaño n y separar las unidades
de dicha muestra en defectuosas y no defectuosas. Cuando el proceso esté bajo control se
va a cumplir que:
• La proporción de elementos defectuosos fabricados a la que denominaremos p, se va
a mantener constante con el tiempo.
• La producción de una unidad defectuosa en un momento dado es independiente de
que las unidades anteriores hayan sido defectuosas o no.
En las condiciones anteriores el número de unidades defectuosas en la muestra de tamaño
n sigue una distribución binominal cuyos parámetros son:
x np
np p

− σ
2
1 ( )
Para unas condiciones determinadas de los valores “n” y “p” (tamaño de muestra grande, y
proporción de unidades defectuosas p no próxima ni a 1 ni a 0), que podemos generalizar
como:
np > 5
La distribución binomial puede ser sustituida por una distribución normal de mismos
parámetros que la binomial. El tipo de gráfico a utilizar es similar al de variables, como se
ve en la figura.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
30
ƒ Construcción del gráfico.
– Tamaño de muestra.
Para que estos gráficos nos sirvan de ayuda, es necesario que en cada muestra
escogida exista algún elemento defectuoso. Esto nos va a influir en el tamaño de
muestra a elegir porque cuanto mayor sea el nivel de calidad serán necesarias
muestras de mayor tamaño para que se cumpla lo anterior.
En general, se requieren tamaños de muestra muy grandes, del orden de 50 a 200.
Ya hemos dicho que lo ideal es que se cumpla la desigualdad n p > 5. Por lo tanto,
para una proporción media de unidades defectuosas, podemos estimar el valor de n
que cumpla la desigualdad anterior.
– Intervalo de toma de muestra.
Al igual que en los gráficos de control por variables, las muestras deben cogerse con
unos intervalos entre ellas que nos garanticen que éstas van a ser representativas de
la población que pretendemos estudiar.
Por una parte intervalos muy cortos en donde no ha existido oportunidad de actuar
cambios sobre el proceso, no nos garantizan una mayor información sobre el mismo.
Si por el contrario con una idea de economía, el intervalo entre tomas de muestras es
muy dilatado, lo más probable es que nos pasen desapercibidas las causas especiales
que están actuando sobre él.
En general, los puntos básicos a tener en cuenta son:
− No establecer tomas de muestra en periodos que la experiencia nos garantice
continuidad en el proceso.
− Establecer tomas de muestra siempre que exista posibilidad de cambio en el
proceso como por ejemplo:
• Cambio de turnos.
• Relevo de operarios.
• Cambio de la materia prima.
• Cambio de herramienta.
• Parada y arranque de la maquina, etc.
No obstante, durante el estudio inicial del proceso la toma de muestras se debe hacer a
intervalos mas cortos que durante la fase de mantenimiento o control del mismo, para
poder detectar la posible inestabilidad.
– Número de muestras por periodo.
El periodo de recogida de muestras debe ser lo suficientemente largo como para
recoger todas las posibles causas de variabilidad que actúan sobre el proceso,
considerándose una prueba satisfactoria de estabilidad 20 tomas de muestras.
– Registros de datos.
Los resultados de las observaciones, que serán siempre el número de no
conformidades en la muestra, se registran en un impreso que facilita la interpretación
del gráfico.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
31
En este impreso existe una parte para la construcción del gráfico y otra parte destinada
al registro de datos.
Cada registro debe llevar anotado el momento de toma de la muestra con objeto de
facilitar la investigación posterior. Además, el impreso debe llevar una zona donde se
anoten los elementos no habituales que afecten al proceso.
– Cálculo de la proporción de unidades no conformes p.
Para cada muestra hay que registrar el número de unidades inspeccionadas n, y el
número de unidades no conformes np, calculando a continuación la proporción de no
conformes.
p
np
n

Alternativamente, también se pueden utilizar datos históricos para el cálculo de la
proporción de no conformes.
– Cálculo de la proporción media de no conformes p.
p
np np np
n n n
k
k

+ + +
+ +
1 2
1 2
....
....
donde np np np
k 1 2
, ,...., son el número de no conformidades observadas en cada muestra y
n n n
k 1 2
, ,...., el número de unidades inspeccionadas en cada muestra.
– Cálculo de los límites de control.
Se asume que, si un proceso donde se están controlando variables discretas o atributos
es estable, la proporción de no conformes se distribuye según la distribución binomial
(similar a la normal y en forma de campana).
Si un proceso es estable con una proporción de no conformes p, el 99,73% de los puntos
muestrales estarán comprendidos entre p y más/menos tres desviaciones típicas. De
esta forma, por cálculos estadísticos que relacionan la desviación típica con los valores
p y n, se definen los límites de control superior e inferior:
LSCp p p p n p p p p n + − − − 3 1 3 1 ( ) / ( ) / LIC =
– Trazado de las medias y de los límites de control.
A continuación se traza, en el gráfico, la media de la proporción de no conformes p con
una línea horizontal continua y los límites de control se identifican mediante líneas
horizontales discontinuas.






Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
32




Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
33
ƒ Análisis del gráfico.
La interpretación de los gráficos de control por atributos sigue las mismas reglas que la de
los gráficos de control por variables, en lo referente a:
∗ Los puntos fuera de control.
∗ Los tramos o rachas.
∗ L as pautas o series no fortuitas.
La s acciones a tomar, ante las señales emitidas por el gráfico de control, son las
siguientes:
1. Puntos fuera de los límites de control.
Cuando es por encima del límite de control superior, (a) son señal de que el número
medio de unidades defectuosas en el proceso ha aumentado. Es necesario detectar la
causa especial que lo ha provocado y tomar acción correctora para evitar que se
repita.
Sin embargo, cuando existiendo el límite de control inferior, los puntos se encuentran por
debajo de este, (b) aun existiendo una causa especial actuando sobre el proceso, el
efecto es beneficioso, (disminución del número medio de unidades defectuosas) por lo
que es necesario detectar la causa que lo produce para intentar reproducirla.

(b)
(a)
L.C.S.
L.C.I.
np
2. Tramos dentro de los límites de control.
− Siete puntos consecutivos a un lado mismo lado de la media por encima o por
debajo.
− Siete puntos consecutivos en una línea constantemente creciente o decreciente.
Si el tramo es creciente o por encima de la media es señal de que aunque el proceso
no está fuera de control estadístico, están actuando causas que hacen aumentar el
número medio de unidades defectuosas por lo que es necesario detectarlas y tomar
acción correctora.
Si el tramo es decreciente o está por debajo de la media, es señal de que están
actuando causas que hacen disminuir el número medio de unidades defectuosas. Dado
que esto nos interesa puesto que es una mejora del proceso, es necesario detectar
estas causas e intentar repertirlas como parte normal del proceso.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
34
B. Gráficos “p” (proporción de unidades defectuosas)
Este gráfico es idéntico al gráfico n p con la diferencia de que es utilizado cuando por
condiciones de producción o de cualquier otro tipo, el número de unidades de la muestra no
puede ser constante. En este caso y para tener una base de comparación, el parámetro que
se calcula y controla su evolución es en vez del número de unidades defectuosas n p, la
proporción de unidades defectuosas en cada muestra p.
p
Nº unidades defectuosas en la muestra
Nº unidades inspeccionadas
Todo el desarrollo de los gráficos p es idéntico a los n p salvo en lo siguiente:
– El tamaño de la muestra no tiene por qué ser constante, aunque es de desear que las
variaciones entre los distintos tamaños de muestra no sean superiores al 25-30%.
– En el gráfico de atributos se calculará para cada muestra el valor de p como cociente
entre los valores piezas defectuosas y piezas inspeccionadas y se calculará la “Proporción
media de unidades no conformes” como:
p
np np np np
n n n nm
m

+ + +
+ + +
1 2 3
1 2 3
................
...............
Siendo:
− np
1
, np
2
, np
3
,....np
m
el número de unidades defectuosas en las muestras 1, 2, 3,
........, m.
− n
1
, n
2
, n
3
, .....n
m
el tamaño de las muestras 1, 2, 3, .....m.
– Se calcularán los límites de control como:
( )
[ ]
( )
[ ]
LCS p p p n
LCS p p p n
+ −
− −
3 1
3 1
1 2
1 2


/
/
/
/
Siendo n (n + n + n +.......... n ) / m
1 2 3 m
(tamaño medio de muestra).
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
35
C. Gráficos “100p” (Porcentaje de unidades defectuosas)
Este gráfico es idéntico al gráfico p con la diferencia de que la proporción de unidades
defectuosas se expresa en tanto por ciento en lugar de tanto por uno. En este caso el
parámetro que se calcula y controla la evolución, es el porcentaje de unidades defectuosas
en cada muestra 100p.
100 100 p x
Nº de unidades defectuosas en la muestra
Nº unidades inspeccionadas
Todo el desarrollo de los gráficos 100p es idéntico a los p salvo en lo siguiente:
– En el gráfico de atributos se calculará para cada muestra el valor de 100p como cociente
entre los valores de piezas defectuosas y piezas inspeccionadas multiplicándose el valor
obtenido por 100.
– Se calculará el “porcentaje medio de unidades no conformes” como:
100 100
1 2 3
1 2 3
p
np np np np
n n n nm
x
m

+ + +
+ + +
........
...........
Siendo:
• n p
i
el número de unidades defectuosas en la muestra i.
• n
i
el tamaño de las muestras i.

– Se calcularán los límites de control como:
( )
[ ]
( )
[ ]
LCS p p p n
LCI p p p n
+ −
− −
100 3 100 100 100
100 3 100 100 100
1 2
1 2


/
/
/
/
Siendo n (n + n + n +.......... n ) / m
1 2 3 m
(tamaño medio de muestra)
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
36
1.3.2.2. Gráficos para defectos.
Ya hemos visto como con los gráficos para unidades defectuosas, controlábamos los
defectos en unidades o piezas, siendo la base de los gráficos las propias unidades defectuosas.
Pero a menudo en la industria, nos encontramos con defectos que no van asociados a
unidades o piezas, sino que aparecen en una producción continua como por ejemplo telas,
rollos de cable eléctrico, tuberías de plástico, etc., y en donde el parámetro a controlar es el
número de defectos por unidad de longitud, área, etc.
En otros casos nos encontramos con productos cuyo control aún yendo asociado a
unidades, son tan complejas y por lo tanto la probabilidad de aparecer un defecto es tan
grande, que si utilizamos gráficos p, o n p, el número de unidades defectuosas o su proporción
serían tan próximas a la unidad, que la información que obtendríamos sería casi nula.
En estos casos utilizaremos gráficos de control por número de defectos.
El problema por lo tanto consistirá en coger muestras de tamaño n y contar el número
de defectos encontrados en dicha muestra. Cuando el proceso esté bajo control se va a
cumplir que:
− El número medio de defectos por unidad a la que denominaremos d se va a
mantener constante con el tiempo.
− La producción de un defecto en un momento dado es independiente de que se hayan
producido defectos con anterioridad o no.
En las condiciones anteriores, el número de defectos en la muestra de tamaño n sigue
una distribución de Poisson cuyos parámetros son:
x

d
d
2
σ
Para unas condiciones determinadas del valor “d”, que podemos generalizar como:
d > 5
La distribución de Poisson puede ser sustituida por una distribución normal con los
mismo parámetros que la de Poisson.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
37
A. Gráficos “c” (Número de defectos por muestra).
Cuando el tamaño de muestra es constante, el gráfico utilizado para controlar número de
defectos es el gráfico “c”, denominado “Gráfico de número de defectos por muestra”.
Todo el desarrollo de este tipo de gráfico es idéntico al ya visto n p, por lo que nos
limitaremos a establecer los puntos que son diferentes:
– Se registran en la casilla total de defectos del gráfico por atributos el número de
defectos encontrados en cada muestra que ha de ser de tamaño constante (número
de unidades, metros cuadrados de tela, metros de tubería, etc.).
– Se calcula el número medio de defectos c como:
( ) c c + c + c +......c m
1 2 3 m
/
Siendo c
1
, c
2
, c
3
, ...cm. el número de defectos de las muestras 1, 2, 3, ...m.
– Se calculan los límites de control como:
[ ]
[ ]
LCS c c
LCI c c
+

3
3
1 2
1 2


/
/
B. Gráficos “u” (Número de defectos por unidad).
Cuando el tamaño de muestra no puede ser constante, el gráfico utilizado para controlar
número de defectos es el gráfico “u”, denominado “Gráfico de número de defectos por
unidad”.
Todo el desarrollo de este tipo de gráfico es idéntico al ya visto “p”, por lo que nos
limitaremos a establecer los puntos que son diferentes:
– Se registra en la casilla (C) total de defectos del gráfico por atributos el número de
defectos encontrados en cada muestra, calculándose a continuación el valor del
número de defectos por unidad u, realizando el cociente entre el valor de la casilla
(C) y el de la casilla (A) piezas inspeccionadas, anotándose el resultado en la casilla
(C/A).
– Se calcula el número medio de defectos por unidad u como:
( )
u
n n n n
m

+ + +
c + c + c +.....c
1 2 3 m
1 2 3
.....
Siendo:
• c
1
, c
2
, c
3
, ...c
m
. el Número de defectos de las muestras 1, 2, 3, ..... m.
• n
1
, n
2
, n
3
, ...n
m
el tamaño de las muestras 1, 2, 3, ....m.
– Se calculan los límites de Control como:
[ ]
[ ]
LCS u u
LCI u u
+

3
3
1 2
1 2
/ n
n
/
/
/
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
38
1.4. Capacidad de procesos.
El que un proceso se encuentre en estado de control estadístico significa que sobre el
mismo sólo actúan causas comunes y que por lo tanto su variabilidad está acotada y es
predecible.
Sin embargo esto no significa necesariamente que el producto obtenido de dicho
proceso se ajuste a las especificaciones técnicas a las que está sujeto, es decir, que el nivel de
la variación debida a causas comunes puede ser aceptable o no.
Esta decisión no se toma con la utilización de los gráficos de control, sino que se hace
utilizando los índices de capacidad del proceso, lo cual compete al segundo aspecto del Control
Estadístico de Procesos, denominado capacidad de procesos.
Se denomina capacidad de un proceso a una medida del buen comportamiento del
mismo una vez que todas las causas especiales de variación han sido eliminadas comparando
la variabilidad o tolerancia natural del proceso con la máxima variabilidad permitida por las
especificaciones de ingeniería. Si mediante esta comparación, se demuestra que los elementos
a que da lugar el proceso caen en un porcentaje mínimo determinado dentro de la
especificación, diremos que el proceso es capaz.
Si especificamos que un proceso es capaz será necesario informar al mismo tiempo qué
porcentaje de elementos deben caer dentro de las especificaciones para que lo consideremos
así. Por ejemplo, hay organizaciones que consideran que un proceso es capaz cuando el
porcentaje de elementos que caen dentro de los límites especificados son iguales o superiores
al 99.7%. Sin embargo hay otras que ese 0.3% de elementos fuera de especificación no lo
consideran admisible y consideran al proceso capaz cuando el porcentaje mínimo de elementos
dentro de especificación es de 99.994%.
Esta comparación podría hacerse de varias maneras distintas, sin embargo la
metodología más extendida es la de los “índices de capacidad”, y por lo tanto es la que
desarrollaremos. El estudio de la capacidad en este caso se realiza mediante el cálculo del
índice de capacidad apropiado y su comparación con un valor mínimo especificado. Si el valor
estimado del índice es mayor o igual que el valor mínimo especificado, diremos que el proceso
es capaz y que no lo es en el resto de los casos.
1.4.1. Definiciones.
ƒ Capacidad.
Es un parámetro que relaciona el rendimiento real de una máquina o proceso con su
rendimiento especificado para un producto y característica en particular.
ƒ Límite de especificación superior (LSE).
Es el valor superior de la variabilidad admitida en una característica de un producto por los
planos o especificaciones del mismo.
ƒ Límite de especificación inferior (LSI).
Es el valor inferior de la variabilidad admitida en una característica de un producto por los
planos o especificaciones.
ƒ Índices de capacidad de proceso.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
39
Son el medio utilizado para tener una indicación de la variabilidad de un proceso a largo
plazo en relación con las tolerancias especificadas.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
40
1.4.2. Índices de capacidad.
• Control por variables.
1. Índices de capacidad de proceso.
En el caso de variables en procesos en los que se considera la distribución normal, la
capacidad de proceso se evalúa comparando la variabilidad del proceso con los límites
de la especificación.
Una vez que se tienen calculados los límites de control, el siguiente paso es
compararlos con las especificaciones. Esta comparación se realiza mediante el cálculo
del índice de capacidad de proceso (Cp). En este cálculo se pueden dar los
siguientes casos:
• Existen los límites de especificación inferior (LIE) y superior (LSE).
Cp
LSE LIE
6 s


• Existe un límite superior o inferior de especificación y un valor nominal.
Cp
LSE Nominal
3 s
Cp
Nominal LIE
3 s


• Sólo existe el límite superior o inferior de especificación.
Cp
LSE X
3 s
Cp
X LIE
3 s


Un proceso con un índice de capacidad Cp<1 no se considera aceptable. El criterio
más ampliamente utilizado es considerar el proceso aceptable, sólo cuando Cp≥1,5.
Si Cp≥1,5 se deben tomar acciones apropiadas para reducir la variación inherente, ya
que el proceso no producirá de forma consistente productos que cumplan con los
requisitos.
2. Analizar el ajuste o tendencia central.
Esta comparación se hace mediante el cálculo del índice de capacidad Cpk y se calcula
como el valor mínimo de las expresiones:
Cpk = mín
LSE - X
3
,
X
σ σ

]
]
]
]
LIE
3
El valor obtenido para que el proceso sea aceptable es que Cpk≥1.
3. Índices de capacidad de máquina.
Para aquellos procesos en que se considera la distribución normal la capacidad de
máquina es una medida de las fluctuaciones que ella, por si sola, produce en la
variabilidad del producto.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
41
Una vez que se tienen calculados los límites de control el siguiente paso es compararlos
con los especificados, calculando:
− El índice de capacidad Cm que analiza la dispersión inherente a la máquina:
Cm
LSE LIE
6 s
,
x LIE
36

− −
El valor mínimo exigible a Cm es de 1’33.
− El índice de capacidad Cm

que analiza el ajuste de la máquina o tendencia central y se
define como:
Cm min
LSE- x
36
,
x LIE
36
k

]
]
]
]
Ha de conseguirse un valor ≥1’33.
• Control por atributos.
En el caso de atributos la capacidad de proceso se evalúa comparando la media del proceso
con el criterio de aceptación. Para ello, se siguen los siguientes pasos:
1. Definir la media del proceso que se considera aceptable a efectos de la homogeneidad
del proceso.
2. Cuando el proceso ya es estable, operar durante un periodo de tiempo determinado que
permita obtener información de las posibles causas de variación que afectan al proceso.
3. Cuando se haya obtenido un mínimo de 2.000 datos individuales y sus grupos
representados gráficamente y bajo control estadístico, utilizar estos datos para el cálculo
de la media de proceso:
p
Numero total de no conformes
Numero total de observaciones

4. Comparar el p calculado con el criterio de aceptación:
• Si el p calculado es menor que el valor definido en el criterio de aceptación, el
proceso es capaz.
• Si el p calculado es mayor que el valor definido en el criterio de aceptación, el
proceso no es capaz. En este caso es necesario:
– Implantar procedimientos que, al menos, mantengan el nivel actual de proporción
de no conformes hasta que el proceso se pueda mejorar. Mientras tanto
establecer el control de producto que permita detectar lotes cuya proporción de no
conformidades sea superior al criterio de aceptación.
– Estudiar el proceso, realizar las mejoras adecuadas y reevaluar la capacidad de
proceso.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
42
1.4.3. Conclusiones sobre los estudios de capacidad.
La diferencia básica entre los estudios de capacidad de máquina y proceso es el tiempo.
En el estudio de capacidad de máquina, ésta se calcula utilizando R que mide la variación
inherente a los subgrupos.
Cuando existen tendencias o sesgos en el gráfico X , las variaciones inherentes a los
grupos y la desviación típica calculada por el procedimiento convencional se aparta de la
calculada a partir de R tanto más cuanto mayores sean las variaciones entre subgrupos.
Así pues, cuando estas diferencias son significativas se debe tomar una decisión sobre
la viabilidad del proceso. Se puede conseguir un proceso capaz con frecuentes reajustes,
cambios de herramientas, etc. Si esto se debe hacer tan frecuentemente que altere el ritmo de
la producción, el proceso debe considerarse incapaz.
Por otra parte, todo lo que se ha expuesto corresponde a estudios realizados sobre
datos distribuidos normalmente y trasladados al gráfico probabilístico normal.
En ciertas situaciones específicas de anormalidad en la máquina por problemas de
desgaste u otras causas, los datos se agrupan según distribuciones unilaterales que tienen su
tratamiento estadístico traducido al gráfico probabilístico que se muestra al final del anexo de
gráficos.
1.4.4. Consideraciones sobre la dispersión de los procesos.
Se hace evidente, a la vista de los cálculos de capacidades de proceso, que la
variabilidad en sentido de mayor dispersión de los mismos es intrínsecamente mala para todo
tipo de proceso.
A mayor variabilidad, más coste. De ahí los esfuerzos que se están prodigando en
industrias y servicios para reducir dicha variabilidad.
Existen dos razones fundamentales para intentar llevar esta variabilidad al mínimo. En
primer lugar la satisfacción del cliente. Todo producto cuyos parámetros estén dentro de
especificaciones producen una completa satisfacción en el cliente.
En la práctica no se puede llegar a esta situación de “variación nula” a lo largo de los
límites de especificación. La figura 2.5. muestra la situación real en la que el grado de
satisfacción real en la que el grado de satisfacción “ideal” se conseguiría en la situación
“objetivo” y que se produce con una variabilidad parabólica hacia los límites de especificación.
El profesor japonés Genichi Taguchi ha desarrollado una teoría difundida ya en USA y demás
países desarrollados según la cual la falta de calidad, en términos monetarios, se mide según
la función:
L (Pérdidas)=K
2
σ
que corresponde al modelo parabólico de que antes se habló. Estas pérdidas son las que cada
industria transfiere a la sociedad como consecuencia de admitir variabilidad
( )
σ
2
en sus
procesos.
De aquí que el interés de todos los ejecutivos de las empresas, en el momento actual,
se centre en la reducción de la variabilidad de cualquiera de sus procesos industriales,
administrativos, financieras, etc.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
43
En resumen la “variabilidad sobre el objetivo” es intrínsecamente mala y, al crecer,
produce insatisfacción al cliente (aún sin desbordar las tolerancias) y pérdidas a la sociedad.
En segundo lugar la variación no estudiada o controlada dificulta el adecuado estudio de
tolerancias y a medida que aquella crece lo hace el desperdicio y reprocesos en las industrias
disminuyendo su competitividad.
De ahí que el único método de “pleno éxito” para eliminar la defectuosidad inherente o
transferida es diseñar productos y procesos de forma que los parámetros que los definen se
aproximen lo más posible al objetivo de diseño. No hay otra forma de conseguir el auténtico
“cero defectos” con lo que ello lleva aparejando de ahorro de tiempo, eliminación de
desperdicios y, ante todo, plena satisfacción del cliente.
Las figuras muestran la evolución del índice Cp y Cpk a medida que los conceptos
anteriormente citados se han puesto en evidencia y el avance tecnológico ha permitido, en el
concepto de Calidad Total (aplicable a cualquier tipo de proceso o producto), alcanzar los
valores que en dicha figura se expresan.
Para llegar a estas situaciones no ideales, sino plenamente conseguibles, han tenido
que desarrollarse una serie de herramientas estadísticas sin las cuales no se hubieran podido
medir ni la variabilidad, ni los factores e interrelaciones entre los mismos que inciden en
aquella. Estas herramientas quedan englobadas en las metodologías de Diseño de
Experimentos (D.O.E.) que podríamos agrupar en tres categorías:
a) Diseño de Experimentos clásicos desarrollados por medio del análisis de varianza
(ANOVA).
b) Diseños de G.Taguchi, que sin ser matemáticamente ortodoxos, llegan a
conclusiones ampliamente experimentadas, reduciendo drásticamente la compilación
de los incluidos en el apartado a).
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
44

c) Diseños de D. Shainin, metodología simple, lógica y ortodoxa que está teniendo un
amplio campo de difusión en las empresas americanas.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
45
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
46
1.5. Precontrol.
El precontrol es un sistema desarrollado para completar o sustituir, en múltiples
aplicaciones, a los gráficos de control. Entre sus ventajas puede citarse que es aplicable tanto
a variables como a atributos.
El sistema se basa en el cumplimiento por parte de los procesos de producción de la
distribución normal para detectar cambios respecto al valor central.
Se trata, como puede observarse en la figura, de dividir el campo de tolerancia en 4
partes iguales trazando las líneas de precontrol a las distancias de ¼ y ¾ respecto al límite
inferior de especificación.
Por el cálculo de la áreas subtendidas por la distribución normal puede demostrarse
fácilmente que el área subtendida por dicha distribución y los límites PC (precontrol) es el 86%
del área total, lo que lleva a la conclusión de que las áreas de la distribución comprendidas
entre dichos límites y las tolerancias representan un 7% en cada cola de dicha distribución.
Hablar de un 7% en cada cola de la distribución es equivalente, es decir, que 1 de cada
14 (aprox.) piezas, estará fuera de los límites PC. Por tanto la probabilidad de que dos piezas
seguidas estén fuera de dichos límites es:
1
14
x
1
14
1
196

lo que significa que, aproximadamente, una vez en cada 200 piezas cabe esperar que haya dos
piezas seguidas fuera de los límites PC.
Se trata pues de un fenómeno “raro” que presupone que un efecto anormal se ha
producido en el proceso provocando su desplazamiento. Naturalmente el hecho comentado
supone que las dos piezas han aparecido al mismo lado de la distribución.
Caso de que las dos piezas seguidas desaparezcan en una y otra colas no habrá
condición de desplazamiento pero sí de dispersión (aumento de σ ) con el peligro que ello
conlleva para la capacidad del proceso.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
47
1.5.1. Procedimiento de actuación.
El procedimiento a seguir para implantar la técnica de precontrol es el siguiente:
a. Localizar, como ya se ha expuesto, los límites PC en el campo de las tolerancias
fijadas por ingeniería, con lo que se delimitan 3 zonas:
– Zona “verde” entre los límites PC.
– Zona “amarilla” entre dichos límites y los de tolerancia.
– Zona “roja” fuera de los límites de tolerancia.
b. Pa ra determinar la capacidad del proceso, se toma una muestra de 5 piezas cuyas
medidas deben estar comprendidas en la zona “verde”. En esa condición el proceso
está en control. (Equivale a un Cp=2). La producción, por tanto, puede comenzar,
pero siempre condicionada a la obtención de que los valores de cinco piezas
seguidas, se encuentren en la zona “verde”.
c. Una vez en marcha la producción, tomar una muestra de 2 unidades consecutivas
pudiendo producirse las siguientes situaciones:
1. Ambas unidades están en la zona “verde” y la producción continua.
2. Una unidad se encuentra en zona verde y otra en una de las dos zonas amarillas.
El proceso está, por el momento, en control y la producción sigue.
3. Si ambas unidades caen en la zona amarilla al mismo lado de la línea PC
(descentramiento) o en una y otra zona de dicha condición (aumento de la
dispersión), el proceso debe pararse e investigarse las causas que han producido
la variabilidad.
4. Si al menos una da las piezas se encuentra en la zona “roja” (rechazo) es preciso
detener la producción e investigar la causa del rechazo. Siempre que el proceso se
detenga (puntos 3 y 4) para ponerlo en marcha de nuevo es necesario que cinco
piezas consecutivas se encuentren en la zona verde, es decir, cumplir de nuevo al
punto b.
5. La frecuencia de muestreo se ha determinado, de forma experimental, como la
sexta parte del tiempo transcurrido entre dos paradas consecutivas por las causas
anteriormente indicadas.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
48
1.5.2. Potencia del sistema.
A través del procedimiento expuesto y realizados los cálculos adecuados, se llega a las
siguientes conclusiones:
– Si la dispersión del proceso superara las tolerancias del mismo (CP

0,8) la técnica
del precontrol es lo suficientemente sensible como para detener el proceso en un
99% de las ocasiones.
– Cuando la dispersión del proceso es el 70% o menos del campo de tolerancias
(CP

1.33) la utilización del precontrol alcanza su nivel óptimo.
1.6. Ejemplos.
♦ Ejemplo 1:
En un proceso de moldeo de piezas de plástico por inyección, se pretende implantar el SPC.
Para ello se elige como característica significativa a controlar, la longitud de la pieza.
Se toman 25 muestras, cada una con 5 unidades, lo que hace un total de 125 unidades.
Se decide emplear un gráfico de medias y recorridos. Los datos se representan en la
parte inferior del gráfico y las medias y los recorridos se representan en la parte superior.
La media y el recorrido medio, son:
X mm
+ + + + +

100 6 100 6 100 64 100 68 100 60
25
100 56
, , , ... , ,
,
R mm
+ + + + +

0 5 0 4 0 2 0 4 0 3
25
0 40
, , , ... , ,
,
es decir, se suman las medias de cada subgrupo y se dividen por el número de subgrupos.
Los límites de control son:
Para las medias, LSC X A R
X
+ + ×
2
100 56 0 58 0 40 100 79 , , , ,
LIC X A R
X
− − ×
2
100 56 0 58 0 40 100 33 , , , ,
Para los recorridos, LSC D R
R
×
4
2 11 0 40 0 84 , , ,
LIC D R
R
×
3
0 0 40 0 00 , ,
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
49
Al representar los datos, se observa que existe un punto fuera de los límites de las
medias y dos puntos fuera en el Gráfico de Recorridos, lo que indica la actuación especiales de
variación.
Una vez identificadas y solucionadas las causas especiales que actúan en esos puntos
se recalculan, siguiendo el mismo proceso anterior, y sin tener en consideración los puntos
fuera de límites de ambos gráficos, los nuevos límites de control.
La media y el recorrido medio son:
X
+ + + + +

100 6 100 6 100 64 100 68 100 60
22
100 58
, , , ... , ,
,
R
+ + + + +

0 5 0 4 0 5 0 4 0 3
22
0 33
, , , ... , ,
,
Los nuevos límites de control son:
Para las medias, LSC
X
+ × 100 58 0 58 0 33 100 77 , , , ,
LIC
X
− × 100 58 0 58 0 33 100 39 , , , ,
Para los recorridos, LSC
R
× 2 11 0 33 0 70 , , ,
LIC
R
× 0 0 33 0 00 , ,
De esta forma se obtiene el gráfico de la figura en el que se han eliminado las causas
que originaron los puntos fuera de los límites de control. En él se observa que el proceso está
bajo control, con unos límites más estrechos que antes.
Ahora ya se puede calcular la capacidad de proceso. Los límites de especificación
superior e inferior) establecidos para este proceso, son:
LSE LIE 1015 100 0 , ,
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
50
C
LSE LIE
p



σ

×

R
d
C
p
2
0 33
2 33
0 14
1015 100
6 014
179
,
,
,
,
,
,
Como Cp>1,5, el proceso tiene la capacidad adecuada y puede producir
consistentemente productos dentro de las especificaciones.
♦ Ejemplo 2:
Utilizando las 30 observaciones de la muestra X1, se pide, asumiendo que el proceso
subyacente es estable:
a. Calcular los límites de control de la gráfico R.
b. Calcular los límites de control de la gráfico I.
c. Determinar la desviación estándar del proceso.
d. Dibujar las gráficos de control con los 30 subgrupos y determinar si el proceso es
estable.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
51
RESOLUCIÓN
Como paso previo, se realiza el cálculo de las medias móviles y de las medias generales:
a. Calcular los límites de control de la gráfica R.
LC R
Ri
R

29
6 28 .
LCS D R
R
×
4
3268 6 28 2051 . . .
LCS D R
R
×
3
0 6 28 0 .
b. Calcular los límites de control de la gráfica X .
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
52
LC X
x
i
1
30
59 27

.
LCS X E R
1 2
59 27 2 66 6 28 7596 + + × . . . .
LCI X E R
1 2
59 27 2 66 6 28 42 57 + + × . . . .
c. Determinar la desviación estándar del proceso.
σ σ
− R
d
X
2
6 28 1128 557
3
. / . . o =
LCS
1
d. Dibujar las gráficos de control con los 30 subgrupos y determinar si el proceso es
estable.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
53
♦ Ejemplo 3:
Utilizando las 16 observaciones siguientes, se pide, asumiendo que el proceso subyacente
es estable:
a. Calcular los límites de control del gráfico p (nº defectos por muestra)
b. Dibujar los gráficos de control con los subgrupos.
RESOLUCIÓN
Como paso previo, se realiza el cálculo de la medias:
a. Calcular los límites de control del gráfico p.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
54
b. Dibujar los gráficos de control con los 16 subgrupos.
GRÁFICO p
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
55
2. Planes de muestreo.
2.1. Elementos de los planes de muestreo.
2.2. Curvas características.
2.3. Tipos de muestreo.
2.4. Niveles de inspección.
2.5. Tipos de planes de muestreo.
2.5.1. Planes de muestreo por variables.
Para conocer si un lote formado por un determinado número de unidades cumple las
especificaciones, existen dos posibilidades:
• Inspeccionar todas las unidades del lote.
• Inspeccionar sólo una muestra representativa del lote e inferir,
estadísticamente, la homogeneidad de todo el lote.
La primera posibilidad, inspección del 100%, es la única que permite conocer el
número exacto de unidades defectuosas que contiene el lote. Sin embargo, este tipo de
inspección tiene limitaciones:
• Es un procedimiento costoso. Cada unidad debe ser inspeccionada individualmente.
La propia manipulación produce daños, aumentando el número de unidades
defectuosas.
• No es efectiva al 100%. En los casos donde el número de defectos del lote es bajo,
la monotonía por la repetitividad del trabajo, unido a los errores propios de los
inspectores, hacen que unidades defectuosas pasen como unidades buenas. De
hecho se han realizado estudios que han revelado que incluso un 300% de
inspección detecta el 97% de los defectos.
Si, por el contrario, el número de unidades defectuosas en el lote es alto, la falta de
tiempo para la inspección, o la utilización no adecuada de los instrumentos de
medida, hace que se acepten unidades defectuosas.
• No es aplicable la inspección del 100% si la inspección para conocer las
características de la pieza exige realizar ensayos destructivos.
La segunda posibilidad, el muestreo estadístico, implica riesgos basados en que la
homogeneidad del lote se infiere de los resultados de una muestra, pero presenta la ventaja
de eliminar las limitaciones de la inspección 100% especialmente en lo relativo al coste de la
inspección en el caso de ser necesarios los ensayos destructivos.
El principio de aplicación de los planes de muestreo, parte de la base de estructurar
debidamente: el tamaño de la muestra y el criterio de aceptación de acuerdo con los
riesgos de inferencia estadística que queramos asumir.
En general podemos afirmar que las técnicas de aceptación por muestreo son las más
ampliamente utilizadas, en todo tipo de empresas, para determinar la calidad de un lote.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
56
2.1. Elementos de los planes de muestreo.
Los planes de muestreo están estructurados con el objeto de garantizar la fiabilidad de
los procedimientos de inspección, el buen manejo de los lotes, el correcto levantamiento de
muestras y la aplicación de criterios de aceptación objetivos, siempre con la consideración de
incurrir en costes asumibles.
a. Los datos del muestreo.
El muestreo queda caracterizado por: el tamaño del lote (N), el tamaño de la
muestra (n) y las condiciones de selección o levantamiento.
El tamaño de la muestra (n) requiere un compromiso. Debe ser lo suficientemente
grande para que sea representativa de la homogeneidad del tamaño del lote (N) y lo
suficientemente pequeña para minimizar los costes de inspección. Las tablas de muestreo que
veremos más adelante tratan de resolver el compromiso entre economía y representatividad.
Cuanto menor sea el tamaño del lote (N) menor será la muestra, de tal modo que
varía poco el porcentaje defectuoso del lote después de extraer la muestra del lote. La
proporción en que aumenta el tamaño de la muestra es mucho menor que la proporción
en que aumenta el tamaño del lote.
Respecto a las condiciones de selección o levantamiento, las unidades deben ser
homogéneas de un tipo único, grado, clase, tamaño, composición, fabricadas bajo las
mismas condiciones esenciales y al mismo tiempo.
Las tablas de muestreo indican también cómo hay que seleccionar la muestra, es decir,
las condiciones de selección.
b. La inspección.
La inspección consiste en que una o varias unidades de producto son seleccionadas al
azar entre las que salen del proceso de producción y son examinadas en una o varias
de sus características respecto a las especificaciones exigidas.
El objeto de la inspección es determinar el número de defectos y el tipo de defectos
observados.
Hay dos métodos de inspección para evaluar características de calidad que son:
– Inspección por atributos.
Es aquélla en la cual bien la unidad de producto o bien sus características, son
clasificadas simplemente como defectivas o no defectivas, o se toma en cuenta el
número de defectos de la unidad de producto con relación a un requisito específico.
Un defectivo es una unidad de producto que tiene uno o más defectos. En la
inspección de atributos, las unidades de productos se consideran sobre la base de
“pasa o no pasa”, “defectivo o no defectivo”, “dentro o fuera de tolerancia”, “correcto
o incorrecto”, “completo o incompleto”.
La clasificación de los defectos de acuerdo a un orden de importancia o gravedad es:
• Crítico, es aquel que afecta a una característica crítica de la pieza o material, de
tal manera que probablemente la pieza o el material no pueda satisfacer las
necesidades para las que fue diseñado.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
57
• Mayor, es el que, a diferencia del crítico, probablemente acabe en fallo, o reduzca
materialmente la capacidad de uso de la unidad de producto para un propósito
determinado.
• Menor, es una desviación de los estándares establecidos que no tiene gran
incidencia en el uso efectivo de la unidad de producto.
– Inspección por variables.
Es aquélla en que ciertas características de calidad de la unidad de producto se
evalúan con respecto a una escala numérica continua, y se expresan como puntos
concretos a lo largo de esa escala. La inspección de variables registra el grado de
conformidad o no-conformidad de la unidad a los requisitos específicos, para las
características de calidad indicadas.
c. Los índices de calidad del muestreo
Los índices de calidad, expresados generalmente en porcentaje de unidades
defectuosas, expresan los niveles de calidad, objetivo a conseguir en la inspección
(grado de conformidad con los requisitos establecidos) y tienen influencia en la
determinación de la severidad de los criterios de aceptación o rechazo.
Cada uno de los índices utilizados sirve para un propósito diferente, siendo los más
comunes:
– El AQL (“Average Quality Limit” o Nivel de calidad aceptable).
Es el porcentaje máximo de unidades defectuosas en un lote que, a efectos del
muestreo, se puede considerar asumible como media del proceso, por lo que debe
tener una probabilidad de aceptación alta.
En un plan de muestreo el riesgo del fabricante debe ser bajo de forma que la
probabilidad de rechazar un lote, con un nivel de calidad mejor que el AQL sea
también baja.
– El LTPD (“Lot Tolerance Percent Defective” o Porcentaje de Unidades
Defectuosas Toleradas).
Es el porcentaje de unidades defectuosas toleradas en un lote que a efectos de
muestreo se considera insatisfactorio, por lo que debe tener una probabilidad de
aceptación baja.
El AQL y el LTPD están asociados a los planes de muestreo orientados a la protección de
la calidad de los lotes objeto de la inspección. Es decir, están asociados al muestreo de
series continuas de lotes para proporcionar un nivel alto de seguridad de que los lotes
con nivel de calidad medio, igual o mejor que el AQL, van a ser aceptados.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
58

d. La disposición del lote.
La disposición del lote es el conjunto de reglas especificadas en los planes de muestreo
que establecen la decisión que se debe adoptar con los lotes una vez terminada la
inspección de las muestras.
Las tablas determinan el número de aceptación (Ac) como el máximo de piezas
defectuosas que se pueden tolerar para aceptar un lote y el número de rechazo (Re)
como el mínimo de piezas defectuosas que pueden aparecer en una muestra para
rechazar el lote inspeccionado. Por regla general el número de rechazo es igual al
número de aceptación más uno.
e. La protección del plan de muestreo.
Se entiende como tal, el riesgo asociado a la actividad de inspección y que consiste en
aceptar lotes malos y rechazar lotes buenos.
En las tablas de muestreo cada plan lleva asociados unos valores determinados para
cada tipo de riesgo, que deben ser tenidos en cuenta a la hora de elegir un plan
determinado.
Dependiendo de las características del lote y el objetivo a conseguir con el plan de
muestreo se eligen los valores adecuados para los riesgos del muestreo que son:
– El riesgo α o el riesgo de rechazar un lote bueno. También se llama “riesgo del
fabricante”, ya que el principal afectado por el hecho de que un plan de muestreo, de
acuerdo con los resultados observados en la muestra, rechace un lote cuya calidad
es buena, es el fabricante del lote.
En términos probabilísticos, el riesgo α es la probabilidad de que, mediante un plan
de muestreo determinado, no se acepte un lote con un nivel de calidad aceptable.
– El riesgo β o el riesgo de aceptar un lote malo. También se llama “riesgo del
comprador”, ya que el principal afectado por el hecho de que un plan de muestreo,
de acuerdo con los resultados observados en la muestra, acepte un lote cuya calidad
es mala, es el comprador.
En términos probabilísticos el riesgo β es la probabilidad de que, mediante un plan
de muestreo determinado, se acepte un lote con un nivel de calidad no aceptable.
La probabilidad de aceptación nos indica que, como término medio, de cada 100
veces que un lote se presente a inspección se aceptará P
a
veces. Se puede
representar gráficamente como sigue:
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
59
La probabilidad de aceptación tiene como máximo el 100%, que es el caso en que
se aceptará siempre el lote. La probabilidad de aceptación, para un mismo plan de
muestreo, varía, dependiendo del 1% de defectuosos, dando como resultado las
curvas características.
2.2. Curvas características.
Para comprender y utilizar correctamente los planes de aceptación por muestreo es
preciso conocer varios términos y símbolos, siendo la herramienta estadística más importante
su curva característica.
La curva característica de un plan de muestreo nos indica la probabilidad de aceptar
un lote en función del porcentaje defectuoso que realmente tiene el lote que se somete a
inspección.
Cuando el lote se somete a inspección desconocemos el porcentaje de defectuosos que
tiene el mismo, la curva característica nos indica la probabilidad que tenemos de aceptarlo
suponiendo que tuviera un determinado porcentaje de defectuosos.
a. Construcción de la curva característica.
Cada plan tiene su curva particular y por tanto familiarizarse con los distintos tipos de
curva es un requisito indispensable para calcular la protección que el plan proporciona.
Para representar la curva característica se determina, para cada porcentaje de unidades
defectuosas teóricas en el lote, la probabilidad que al realizar un muestreo de n
unidades aparezca un número de unidades defectuosas x igual o menor que el número
de aceptación.
La curva característica comienza con una probabilidad de aceptación del 100% para un
defectuoso nulo, que va disminuyendo a medida que crece el porcentaje defectuoso.
La probabilidad de aceptación se determina utilizando tres tipos de distribución de
probabilidades: la hipergeométrica, la binomial y la de Poisson, siendo ésta última, por
su facilidad de cálculo la más recomendable de utilizar, si se cumplen las hipótesis
básicas:
– La proporción p es menor o igual a 0,1.
– El tamaño de la muestra n es mayor o igual a 30.
– El tamaño del lote es al menos 10 veces el tamaño de la muestra.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
60
La función de probabilidad de encontrar x unidades defectuosas en una muestra de
tamaño n y con una proporción de unidades defectuosas en el lote de p, en estas
condiciones es:
p
x
n
np e
x
x np
|
(
'
`
J
J


( )
!
Para mayor facilidad, la probabilidad de x o menos ocurrencias, en un suceso cuyo
número de ocurrencias medio es np, se puede determinar directamente de las tablas de
distribución de Poisson.
b. Forma de las curvas características.
Las figuras mostradas a continuación muestran el efecto de los diferentes parámetros
del plan de muestreo en la forma de la curva característica:
– Si el número de aceptación (c) es 0, la curva es exponencial (gráfica a). En esta
figura podemos observar además la escasa variación en cuanto a protección
suministrada por el plan para diferentes tamaños de lotes, por ello en muchas
aplicaciones las curvas se determinan en función de n y c.

– Si aumenta el tamaño de la muestra (n), aumenta la pendiente de la curva (gráfico
b). En la figura se observa que, fijados un AQL y α, a medida que el tamaño de la
muestra decrece la protección contra la mala calidad de los lotes también lo hace y
además de forma significativa.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
61

– Si aumenta el número de aceptación (c), la curva se desplaza a la derecha (gráfico
c). El efecto de cambiar la cifra de aceptación c manteniendo constante el tamaño de
la muestra hace que a medida que c crece, la probabilidad de aceptar un lote, para
un determinado porcentaje defectuoso crezca.

– Si el tamaño de la muestra se acerca al tamaño del lote, la curva se acerca a la
curva característica perfecta (gráfico d).
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
62

La curva característica de un plan de muestreo lo identifica inequívocamente y ello es
de gran ayuda en la elección de un plan de muestreo adecuado a los riesgos α y β
que se desean asumir.
c. Análisis de las curvas características.
1. Dado que el plan de muestreo (n, c) referido a un tamaño de lote N, existe una sola
curva característica que relaciona el % defectuoso de un lote con la probabilidad de
aceptarlo al aplicar dicho plan de muestreo.
2. Dado un plan de muestreo (n, c) la curva característica puede considerarse la misma
aunque el tamaño de lote varíe ligeramente.
3. El máximo valor de la probabilidad de aceptación P
a
es 100 y corresponde a los lotes
que tienen un % de defectuosos igual a 0 o próximos.
4. El mínimo valor de la probabilidad de aceptación P
a
es 0 y se corresponde con %
defectuosos grandes.
5. Cuanto mayor sea el % de defectuoso, menor será la posibilidad de aceptación P
a
.
6. Una vez establecido un plan de muestreo y, por lo tanto, la curva característica,
podemos conocer la probabilidad de aceptar un lote que tuviera un determinado %
defectuoso.
7. La probabilidad de rechazo, nos indica el número de veces que, como término medio,
rechazaremos un lote, con un determinado % defectuoso por cada 100 veces que se
presente a inspección. La probabilidad de rechazo es complementaria al 100 de la
probabilidad de aceptación.
d. Elección de la curva característica.
La elección del plan de muestreo debe hacerse de forma tal que se compaginen las
necesidades del cliente y las posibilidades del proveedor.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
63
e. Valores más representativos de la curva característica.
• Nivel de Calidad Aceptable (AQL o NCA): Es el máximo % defectuoso que
admite el cliente como promedio de los % defectuosos de los lotes que se reciban
de un proveedor.
• Riesgo del proveedor (α ): es el riesgo de que el cliente rechace un lote que
tuviera un % defectuoso igual al NCA.
• Calidad límite (QL o CL): Es el máximo % defectuoso que puede admitirse en un
lote aislado. El cliente debe protegerse contra lotes aislados que tengan un %
defectuoso excesivo, por las razones siguientes:
– Se tendrán trastornos en las líneas de montaje.
– Se producirán desperdicios o reparaciones, no deseadas.
– La mezcla con otros lotes correctos dará lugar a una calidad media deficiente.
– Costes de revisión al 100% y costes adicionales de inspección.
– Riesgo de sacar producto defectuoso al mercado.
Por estos motivos deberá fijarse una Calidad Límite tal que difícilmente puedan
aceptarse lotes con esta calidad.
• Riesgo del cliente β : Es la probabilidad o riesgo de que el cliente acepte un lote
que tenga un % defectuoso igual a la Calidad Límite.
• Zona de Incertidumbre: Es la zona en la que a veces se aceptará y otras se
rechazará el lote en función del % defectuoso. La amplitud de esa zona mide la
potencia del plan de muestreo. A una zona amplia le corresponden muestras
pequeñas y por tanto controles baratos, pero el nivel de riesgo es alto. A una zona
estrecha corresponden muestras grandes, mayor coste y riesgos bajos. Lo ideal
sería reducir al máximo esta zona.
Existirá un solo plan de pruebas y por tanto una única curva una vez fijados los
requisitos:
– NCA (nivel de calidad límite).
– α (riesgo del fabricante).
– CL (calidad límite).
– β (riesgo del consumidor).
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
64
f. Seguimiento evolutivo de la calidad obtenida.
La Calidad Media de Salida (AOQ) y el límite de Calidad Media de Salida (AOQL) están
asociados a los planes de muestreo asociados a la protección de la calidad media de las
unidades procedentes de varios lotes inspeccionados.
Es decir, están asociados a proporcionar la seguridad de que la calidad media de todos
los lotes no será peor que el AOQL, asumiendo que los lotes rechazados han sido
inspeccionados al 100% y han sido sustituidas las unidades defectuosas por otras sin
defecto.
A cada plan de muestreo le corresponde un valor determinado de AOQL. Podemos decir
que el valor del AOQL es el máximo % defectuoso que existirá en nuestros almacenes
después de haber sido inspeccionados los lotes a su recepción, separadas las unidades
defectuosas de los lotes que se inspeccionan al 100% y repuestas por unidades
correctas.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
65
2.3. Tipos de muestreo.
• Muestreo simple: La aceptación o rechazo, de un lote, se basa en los resultados de un
solo muestreo. Se emplea en:
– Procesos que físicamente no permiten una posterior toma de muestra en caso de ser
necesario.
– Cuando los lotes tienen porcentajes de defectuosos próximos al AQL.
– Los costes de inspección son óptimos.
• Muestreo doble: Bajo ciertas circunstancias se toma una segunda muestra antes de
decidir la aceptación del lote.
Es el muestreo más ampliamente usado, siendo las razones principales para ello:
– El tamaño requerido de la primera muestra es menor que la del muestreo simple, por
tanto si el porcentaje de defectos o es muy bajo o es muy alto nos evitaremos realizar el
segundo muestreo.
– El coste y complejidad de utilización son menores que en el muestreo múltiple.
• Muestreo múltiple: La aceptación o rechazo, de un lote, se basa en los resultados de
varias muestras tomadas del mismo lote. Se aplica en las ocasiones siguientes:
– Si los costes administrativos se pueden reducir mediante sistemas informáticos, el
muestreo múltiple puede proporcionar costes de inspección más bajos que los
anteriores.
– Si son aplicables los sistemas informáticos se simplifica la administración del muestreo.
La decisión de utilizar uno de los tres tipos de muestreo existentes debe ser
tomada en función de las condiciones específicas de la aplicación.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
66
2.4. Niveles de inspección.
El nivel de inspección es una característica de un plan de muestreo, elegida a priori, que
relaciona el tamaño de la muestra con el tamaño del lote.
Los niveles de inspección reflejados en la mayoría de los planes de muestreo son:
riguroso, normal y reducido.
Los planes de muestreo permiten variar el nivel de inspección dependiendo de los
niveles de homogeneidad del lote. Así, al comenzar la inspección de un producto del cual no se
tiene un histórico se aplica el nivel normal de inspección. Si al cabo de una serie de
inspecciones se observa que los resultados son mejores que la calidad especificada, se puede
reducir el nivel de inspección.
Los planes de muestreo reducidos no se ajustan a las curvas características de los
muestreos normales correspondientes. Su uso se justifica en criterios pragmáticos y de coste y
en que se asume que sistemáticamente se está por debajo de los niveles de unidades
defectuosas toleradas. En el momento que se detecta un empeoramiento de la calidad hay que
regresar a la aplicación del nivel normal. El tamaño de muestra es del orden del 40% del nivel
normal.
Si por el contrario el nivel de calidad de los lotes a inspeccionar es inferior que el
especificado se debe elegir un nivel riguroso. Este es similar al normal, pero se reduce el
número de unidades defectuosas aceptables para cada tamaño de muestra.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
67
2.5. Tipos de planes de muestreo.
La forma de planear un plan de muestreo es muy diferente según que las características
a estudiar sean atributos, donde la evaluación se hace en términos de “aceptable o no
aceptable”, o variables, donde el producto se evalúa según una tabla de medida.
Por ello los planes de muestreo se dividen en dos tipos básicos:
a. Planes por variables: En cada unidad la muestra se mide la característica
observada. A continuación se calculan las variables estadísticas muestrales
especificadas y se compara con el valor permitido definido en el plan, tomando la
decisión de aceptar o rechazar el lote.
b. Planes por atributos: Cada unidad de la muestra se clasifica como buena o mala. A
continuación se compara el número de unidades malas con el número de aceptación
y se toma la decisión de aceptar o rechazar el lote.
La tabla que figura a continuación resume las características más importantes de forma
comparativa:
Concepto Atributos Variables
Tipo de inspección Cada unidad se clasifica
como defectuosa o
aceptable
Se miden magnitudes
Tamaño de muestra Mayor que en muestreo
por variables
Reducido
Hipótesis sobre la
distribución
Binominal
Poisson
Se supone distribución
normal
Número de
características
Cualquiera Un plan de muestreo
para cada característica
a valorar
Tipo de información Número de unidades
defectuosas
Información sobre la
media y la variabilidad
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
68
Otra forma de clasificar los planes de muestreo es en función del parámetro que tratan
de asegurar como objetivo:
a. Los Planes de AQL (Nivel de Calidad Aceptable): El objetivo de los planes de
muestreo basados en AQL es proporcionar una gran seguridad de que los lotes van a
ser aceptados, con un porcentaje de unidades defectuosas menor que el AQL
especificado. Se pretende que el riesgo del fabricante sea bajo, sin considerar el
riesgo del comprador.

Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
69

b. Los Planes de LPTD (Porcentaje de Unidades Defectuosas Toleradas): El
objetivo de los planes de muestreo basados en el LTPD es proporcionar una gran
seguridad de que se van a rechazar los lotes, cuyo porcentaje de unidades
defectuosas es mayor que el LTPD especificado. Se pretende mantener un riesgo
bajo de comprador sin considerar el riesgo del fabricante.
Las curvas características de estos planes proporcionan el mismo riesgo β para cada
AQL.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
70
c. Los Planes de AOQL (Límite de Calidad Media de Salida): El objetivo que
persiguen estos planes es el de asegurar a los fabricantes que la calidad media de
salida de los lotes (una vez inspeccionados los rechazados), no va a ser inferior a la
especificada por el AOQL.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
71
2.5.1. Planes de muestreo por variables.
Los planes de muestreo por variables se utilizan para tomar decisiones sobre un lote de
material en el que las especificaciones se expresan en forma de mediciones continuas.
Cada unidad de la muestra es medida y su valor registrado. Se calcula un índice con
estos valores, se compara con el valor de referencia y se toma la decisión de aceptar o
rechazar el lote.
El tamaño de muestra es más pequeño que para los planes por atributos y además
permiten cuantificar determinados aspectos y tomar decisiones adicionales a las de aceptación
o rechazo.
Así los planes de muestreo por variables se utilizan para controlar:
− El número de unidades defectuosas.
− Los parámetros de proceso.
Dentro de este tipo de planes podemos destacar el siguiente:
• Military Standard MIL-STD-414.
Es un plan de muestreo basado en AQL. Se asume que las distribuciones de las
mediciones individuales siguen la distribución normal.
Los criterios de aceptación se basan en la variabilidad y en la localización de la
distribución de las medidas individuales con relación a los límites especificados, que son
la desviación típica y la media.
Para la medida de la variabilidad pueden emplearse tres métodos:
− El método σ (cuando se conoce la desviación típica del proceso).
− El método S.
− El método R.
Las tablas MIL-STD-414 se clasifican en función de la medida de la variabilidad utilizada
(σ , S o R), el tipo de especificación (límite sencillo o doble) y la forma (1 ó 2).
Para elegir un plan determinado, entre los contenidos en las tablas, se deben seguir los
pasos siguientes:
1. Definir:
− El tamaño de lote.
− El nivel de calidad aceptable (AQL)
− El método a utilizar (σ , S o R).
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
72
− El nivel de inspección: normal, reducido o riguroso.
− La forma (1 ó 2).
2. A partir del tamaño de lote y el nivel de inspección buscar en las tablas el nivel de
inspección (la letra de código de la tabla). Los niveles de calidad III, IV y V
corresponden a inspección reducida, normal y rigurosa. Los niveles I y II son
especiales y requieren un tamaño de muestra menor.
3. A partir de la letra de código, el AQL, y el tipo de muestreo buscar de las tablas de
muestreo el tamaño de la muestra y la constante de aceptación K o M.
4. Tomar una muestra aleatoria de tamaño n, medir la característica a inspeccionar
para cada unidad de la muestra y calcular el parámetro estadístico requerido.
5. Comparar el parámetro estadístico calculado con el de referencia y tomar la decisión
de aceptar o rechazar.
2.5.2. Planes de muestreo por atributos.
• Military Standard MIL-105-D.
Estos planes están basados en el AQL, con una probabilidad de aceptación de lotes con un
nivel de calidad igual o mayor que el AQL, de entre 88 y el 99%. Se aplican a la inspección
de productos terminados, productos almacenados, semielaborados, componentes y
materias primas, etc. Están preparados para su uso en series continuas de lotes. Para lotes
aislados se tomará la precaución de consultar las curvas características.
Para elegir un plan determinado entre los diferentes contenidos en las tablas, hay que
seguir los pasos siguientes:
1. Definir:
− El tamaño de lote.
− El nivel de calidad aceptable: 0,010; 0,015; 0,025; ...
− El tipo de muestreo: simple, doble o múltiple.
− El nivel de inspección: normal, reducido, riguroso, S1, S2, S3 ó S4.

2. Mediante el tamaño de lote y el nivel de inspección obtener la letra de código de las
tablas.
3. Mediante la letra de código, el AQL y el tipo de muestreo, obtener el plan de muestreo de
las tablas de muestreo disponibles: muestreo sencillo, doble o múltiple cada uno con
niveles de inspección normal, reducido y riguroso.
El plan de muestreo elegido indica el tamaño de la muestra y los números de aceptación
y de rechazo.
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
73
• Tablas de Dodge Romig.
Las tablas incluyen planes de muestreo simples y dobles y cada uno de ellos permite
protección mediante el AOQL y el LTPD. Son por tanto, un conjunto de cuatro tablas
diferentes.
En estas tablas se supone que todos los lotes rechazados son inspeccionados al 100% y
llevan implícito el coste mínimo de muestreo para cada grado de protección deseado.
De hecho, las tablas requieren la determinación del porcentaje de unidades defectuosas en
el lote antes de elegir el plan de muestreo más adecuado, de forma que permiten elegir
planes que minimizan la inspección con relación a un nivel de calidad dado.
Las tablas AOQL se clasifican según el límite de calidad media de salida y disponen de
valores comprendidos entre 0,1 y 10%. El énfasis está en la calidad de la media de salida a
largo plazo, por lo que no se garantiza que no se puedan aceptar lotes individuales de mala
calidad.
Las tablas LTPD se clasifican según el porcentaje defectuoso del lote y disponen de valores
comprendidos entre el 0,5 y el 10% para el LTPD con un riesgo constante para el
comprador β del 0,10. El énfasis está en garantizar que los lotes con una calidad peor que
LTPD establecido se van a aceptar en raras ocasiones.
• Planes secuenciales.
En estos planes de muestreo al inspeccionar cada unidad de la muestra se debe tomar la
decisión de aceptar el lote, rechazarlo o inspeccionar otra unidad.
Requieren la toma de decisiones sobre unidades individuales, lo que los diferencia de los
planes de muestreo que requieren muestreos de múltiples unidades.
Las características que tienen son:
− Los resultados se analizan con mayor frecuencia.
− Tienen una banda de indecisión entre la zona de aceptación y la de rechazo.
El muestreo debe proseguirse hasta que los resultados de la muestrabilidad utilizada (s, S o
R), impliquen el rechazo del lote al salir de la zona de indecisión e introducirse en la zona de
aceptación o rechazo.
El límite de este plan está en 160 unidades, donde hay que tomar una decisión definitiva.
Muestreo
acumulado
Nº aceptación
acumulado
Nº rechazo
acumulado
40 0 4
60 1 5
80 2 6
100 2 6
120 3 7
160 7 8
Control estadístico de procesos y
Planes de muestreo
Luis Arencibia Sánchez
www.laformacion.com - www.libroelectronico.net
74
• Planes de muestreo en continuo.
Están diseñados para la inspección de procesos que proporcionan una producción en
continuo en lugar de por lotes. Están tabulados según el AQL o el AOQL.
Implican que la decisión de aceptar o rechazar se tome sobre cada unidad inspeccionada, y
utilizan periodos alternativos de inspección 100% y muestreo, dependiendo de la calidad
observada en el producto.
Los requisitos de aplicación de estos planes son:
− Realizar la inspección sobre el producto móvil.
− Ser de fácil realización la inspección 100%.
− Inspeccionar características poco complejas.
− Tener un producto homogéneo.
Existen varios tipos de muestreo en continuo: CSP-1, CSP-2, CSP-3, CSP-A, CSP-M, CSP-T,
CSP-F, CSP-V, CSP-R.
La sistemática de control consiste en iniciar la inspección 100% de las unidades producidas
de forma consecutiva y continuarla hasta que se contabilicen “i” unidades sucesivas
aceptables. En este punto se interrumpe la inspección y se sustituye por un muestreo donde
se inspecciona una fracción de producto “f”. El muestreo continúa hasta que se encuentra
una unidad defectuosa en la muestra en cuyo cayo se vuelve a la inspección 100% y se
repite el ciclo. Los valores de “i” y de “f” se encuentran tabulados.
• Planes de muestreo en cadena.
Estos planes tienen la característica de que la aceptación o rechazo de un lote no sólo está
relacionada con el resultado del muestreo de dicho lote, sino también con los resultados de
los lotes precedentes.
Los requisitos para la aplicación de un plan efectivo de muestreo en cadena, son:
− Inspeccionar los lotes en el orden que se producen.
− La fracción de unidades defectuosas debe seguir la distribución binomial.
− El tamaño de muestra es fijo para cada lote.
− La calidad de los lotes se debe suponer homogénea.
El inconveniente de estos planes es la dificultad de detectar cambios pequeños en la
homogeneidad del lote. Pero son capaces de detectar variaciones importantes con tamaños
de muestra pequeños y frecuencia alta.

Control estadístico de procesos y Planes de muestreo

Luis Arencibia Sánchez

Índice. 1. Control estadístico de procesos. 1.1. 1.2. 1.3. 1.4. 1.5. 1.6. Introducción. Variación y sus causas. Gráficos de control. Capacidad de procesos. Precontrol. Ejemplos.

2. Planes de muestreo. 2.1. 2.2. 2.3. 2.4. 2.5. Elementos de los planes de muestreo. Curvas características. Tipos de muestreo. Niveles de inspección. Tipos de planes de muestreo.

www.laformacion.com - www.libroelectronico.net

2

Control estadístico de procesos y Planes de muestreo 1. Control estadístico de procesos. 1.1. Introducción. 1.2. Variación y sus causas. 1.2.1. Proceso estable y proceso capaz. 1.3. Gráficos de control. 1.3.1. Gráficos de control por variables. Gráficos de variables X , R. Gráficos de medidas individuales X. Gráficos X / R con media móvil. Gráficos X , . S Gráficos mediana y recorrido. Gráficos

Luis Arencibia Sánchez

( )

X objetivo, R.

1.3.2. Gráficos de control por atributos. Gráficos para unidades defectuosas. Gráficos para defectos. 1.4. Capacidad de procesos. 1.4.1. 1.4.2. 1.4.3. 1.4.4. Definiciones. Índices de capacidad. Conclusiones sobre los estudios de capacidad. Consideraciones sobre la dispersión de los procesos.

1.5. Precontrol. 1.5.2. Potencia del sistema. 1.5.1. Procedimiento de actuación. 1.6. Ejemplos.

www.laformacion.com - www.libroelectronico.net

3

libroelectronico. www. Del análisis e interpretación de las informaciones. detectar cualquier posible desajuste susceptible de originar una disminución del nivel de calidad exigido. aunque logra que no lleguen al usuario dichos productos. Medidas correctoras al curso de producción. Permite conseguir. Es la combinación organizada de los elementos: mano de obra. Las diferencias. En general no son competencia del operario de la línea. mediante la comparación del funcionamiento del proceso con unos límites previamente establecidos estadísticamente. mantener y mejorar procesos estables y capaces. pues estudiar las causas que producen diferencias para poder actuar antes de que se produzcan. en inglés Statistical Process Control. hace inevitables tales productos. Los elementos del CEP. en cada una de las operaciones de transformación o elaboración de los productos o servicios. no eliminan las diferencias a lo largo del proceso productivo. Información sobre el comportamiento del proceso en curso de producción. b. e. que definen las condiciones de operación en el proceso. surge la necesidad de adoptar medidas correctoras que modifiquen permanentemente el proceso. no se obtienen productos iguales. Son acciones de carácter preventivo de mejora del proceso. para elaborar un objeto: producto o servicio. en caso de desajuste. por muy bien regulados que se encuentren. Se obtiene a través de la medición y estudio de los parámetros más significativos y en tiempo real. Luis Arencibia Sánchez Es sabido que. El Control Estadístico de Procesos (CEP. Son competencia de los operarios de la línea.com .net 4 . 1. en los procesos repetitivos.Control estadístico de procesos y Planes de muestreo 1. Es necesario. sino responsabilidad de la Dirección. Control estadístico de procesos. Incluye el estudio de las variaciones de los parámetros mas significativos. existen siempre. instalaciones. Cuando se observa que hay variación y el proceso entra en situación inestable. son: a. Introducción. Medidas correctoras al proceso. si es preciso. Información sobre el comportamiento del proceso. materia prima. en un mercado tan competitivo como el actual. establecer y garantizar la consecución de las especificaciones deseadas. es un instrumento de gestión que permite. sean grandes (que se detectan fácilmente) o pequeñas (de más difícil detección). Esto da lugar a unos costes inherentes al proceso que. Los sistemas de control basados en evitar la salida al mercado de productos defectuosos mediante verificación final del producto terminado antes de su venta.1. y la modificación de las condiciones del proceso. d.laformacion. Ésta es la misión del Control Estadístico de Procesos (CEP). es necesario aportar decisiones de acciones correctoras inmediatas para eliminar las causas y restituir al proceso dentro de condiciones de variabilidad no asignable. SPC). métodos de trabajo y entorno. El Proceso. c.www.

que permiten valorar los cambios en los valores medios y en la dispersión de los parámetros especificados como de consigna u objetivo. Reducción de recuperaciones y chatarra. Puesta en evidencia de muchos problemas de diseño. controlando muestras de las unidades producidas tomadas a intervalos suficientemente breves. con objeto de asegurar la debida actuación sobre las causas que provocan el desajuste. www. En la realidad existen dos aspectos distintos del CEP que por lo general suelen ser confundidos: el control de procesos y la capacidad de procesos.libroelectronico. Mejora de calidad y rendimiento. las técnicas de CEP nos proporcionarán las siguientes ventajas: • • • • • • • Reducción de costes.net 5 . Los indicadores de desajuste de un proceso se obtienen a partir de la aplicación de conceptos estadísticos y gráficos. Utilizadas adecuadamente. Aislamiento de las fuentes de variación de los procesos. Resolución sencilla de difíciles problemas relacionados con especificaciones y requerimientos.www. Medidas correctoras al curso de Producción El CEP es un método sistemático para prevenir/predecir y minimizar las variaciones de los procesos y consiste en examinar su resultado final. Proceso Mano de Obra Instalaciones Materiales Métodos Entorno Curso De Producción Medidas correctoras al Proceso Información sobre el comportamiento del Proceso Información sobre el comportamiento del Proceso en curso de Producción. Reducción de la actividad de inspección innecesaria.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez En la siguiente figura se muestra la relación entre dichos componentes.com .laformacion.

métodos y entorno) que intervienen en un proceso. Ser previsibles. instalaciones.net 6 . b. que disminuyan el efecto de las mismas. Su naturaleza es de tipo aleatorio y son debidas a los numerosos motivos de variación fortuita. en general pequeños. Su naturaleza no es aleatoria. materiales. Las causas que provocan estas variaciones corresponden a dos tipos: a. las diferencias en el tiempo de tramitación de un pedido variarán según las personas encargadas de realizarlo. por lo que son imprevisibles y.2.libroelectronico. Aparecer en muchos instantes del proceso. además. Dan como resultado un proceso inestable sobre el que no se puede predecir la homogeneidad de las características de salida.www. el resultado será un alejamiento cada vez mayor del valor nominal y una inestabilidad del mismo. al operario. Ser estables. Permanecer en el proceso. Las causas especiales consisten en unos pocos motivos individuales que aparecen esporádicamente en el proceso. al material. Como resultado. www. Causas comunes. Nunca debe ajustarse puntualmente el proceso cuando la variación es producida por causas comunes. Estos cambios suelen ser competencia de los niveles superiores en la organización. el proceso tiene un comportamiento estable en el tiempo y las características de salida pueden predecirse.laformacion. El concepto de variación es también aplicable a procesos administrativos.Control estadístico de procesos y Planes de muestreo 1. Las diferencias entre piezas moldeadas pueden ser debidas a la máquina. pequeños cambios en la materia prima. Causas especiales. Si las causas comunes producen defectos. Variación y sus causas. Así. que afectan a los factores (mano de obra. que están presentes en cualquier proceso. Por ejemplo. pueden dar lugar a variaciones importantes. al entorno o al método seguido. Luis Arencibia Sánchez Se denomina variación a las diferencias que resultan del efecto combinado de las influencias. los medios disponibles y los sistemas empleados en cada momento. Las causas comunes se caracterizan por: • • • • • Constar de muchas causas de variación pequeña. internas y externas. de fabricación o de servicios. la solución es realizar cambios en el proceso. holguras y desgaste de herramientas. Ejemplos de causas comunes son: vibraciones en máquinas. si un operador trata de ajustar un proceso a partir de las causas comunes de variación.com .

Una sola causa individual.Control estadístico de procesos y Planes de muestreo Las causas especiales de variación. La variabilidad debida a estas causas (las comunes) es perfectamente cuantificable. el funcionamiento es óptimo. Las diferencias entre las causas comunes y las especiales se resumen en la s siguiente tabla: CAUSAS COMUNES − − CAUSAS ESPECIALES − − Muchas causas individuales. Ser imprevisibles. eliminando estas últimas y logra que la variabilidad sea debida sólo a causas comunes. El proceso no funciona de manera óptima cuando actúan. − − − − − − − − www. pudiendo utilizar técnicas de muestreo para hacer predicciones.libroelectronico. suele ser responsabilidad del operador o del supervisor. su variabilidad es debida a la suma de los efectos de ambas causas.laformacion. ajuste incorrecto y materia prima defectuosa. A partir de este momento su variabilidad es predecible.com .www. puesto que a lo largo del tiempo su variabilidad tendrá un máximo y un mínimo que coincidirá con lo observado en el periodo inicial. se caracterizan por: • • • • • Constar de una o pocas causas importantes. Dan lugar a variaciones importantes. comunes y especiales. mediante acciones de tipo local. No es económica su eliminación y de difícil reducción sus efectos. Cuando actúan no se pueden hacer predicciones del funcionamiento del proceso. sobre el elemento que la genera. Ser inestables. Dan lugar a variaciones pequeñas. Producen variabilidad no constante e impredecible. Producen variabilidad constante y predecible. Las causas especiales de variación son detectadas mediante técnicas estadísticas y su eliminación. Sus efectos desaparecen al eliminar la causa. En estas condiciones diremos que “el proceso está en estado de control”. Aparecer esporádicamente en el proceso. En estas condiciones. bastando con observar el proceso durante un periodo de tiempo tal que garantice que todas las causas comunes han actuado. El objetivo principal del estudio de un proceso es poder separar las causas comunes de las especiales. Luis Arencibia Sánchez Ejemplos de causas especiales son: error del operario. Cuando sólo hay causas comunes. Poder reaparecer. En cualquier proceso en funcionamiento. el proceso es estable.net 7 .

www. La mejora de un proceso estable requiere cambios fundamentales en él. Proceso estable Un proceso estable es consistente. En un proceso estable se pueden predecir sus resultados.libroelectronico. Dentro de los procesos estables podemos hacer otra clasificación: proceso capaz o no capaz. Proceso capaz y proceso no capaz Para que un proceso sea capaz primeramente debe ser estable. El resultado del proceso no varía en el tiempo: la media no se desvía y la dispersión no varía significativamente.1. • Proceso estable. Un proceso estable es el que resulta cuando sólo están presentes causas comunes de variación.laformacion. determinan si es capaz o no capaz.com .2.net 8 . si la distribución estadística de las medidas está dentro de los límites de la especificación. Un www. Y si éste es estable. Luis Arencibia Sánchez Las causas de variación y su intensidad hacen que un proceso sea estable o inestable.Control estadístico de procesos y Planes de muestreo 1. Proceso estable y proceso capaz. Proceso capaz y no capaz Decimos que el proceso es capaz respecto a una especificación de consigna determinada.

laformacion. consecuentemente.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez proceso capaz genera. Proceso inestable Se observan cambios en la media y en la dispersión de las observaciones. Un proceso inestable es aquél que presenta causas especiales de variación. • Proceso inestable.libroelectronico. La secuencia genérica para conseguir un proceso capaz es la siguiente: PROCESO ESTABLE NO CAPAZ Detectar Causas Comunes Investigar Causas Comunes Reducir Causas Comunes PROCESO CAPAZ Una vez estabilizado el proceso y eliminadas las causas de variación. se debe realizar el estudio de capacidad y la reducción. La mejora de un proceso inestable requiere la aplicación del control estadístico de proceso y seguir la secuencia genérica siguiente: PROCESO INESTABLE Detectar Causas Especiales Investigar Causas Especiales Eliminar Causas Especiales PROCESO ESTABLE www.www. de las causas no asignables de variación.net 9 .com . si es preciso. para conseguir que el proceso sea capaz. productos que cumplen con las especificaciones.

los parámetros del mismo se hayan ajustado para obtener la misma variabilidad.libroelectronico.www. y además.net 10 . las muestras caigan fuera de los límites de control.3.26%) fuera de él. a las utilizadas para la determinación de los límites de control. Estos límites se denominan también límites de variación natural del proceso y a la amplitud entre estos límites.Control estadístico de procesos y Planes de muestreo 1.74%) que las medidas que obtenga el proceso estén dentro de este entorno y del 0. por el conocimiento de los límites de control. normalmente. – Anotar los datos tomados de las sucesivas muestras de producto.3σ ) o intervalo de tolerancias naturales. Gráficos de control. El fundamento estadístico para el cálculo de estos límites se basa en que cuando un proceso está bajo control (y por tanto la variabilidad está motivada tan sólo por causas comunes).com . obtendremos un gráfico de control. capacidad del proceso 6σ . que corresponde a una probabilidad del 0. dispersión) de las observaciones de un determinado parámetro que especifica un proceso y lo comparamos con unos límites de tolerancia previamente calculados en el entorno del valor de consigna especificado y que reflejen la capacidad del proceso. cuando un proceso se desvía de su trayectoria habitual. En este sentido el gráfico de control permite.0026 (0. – Tomar las acciones correctoras adecuadas cuando los puntos representativos de www. las medidas observadas tienden a ajustarse a la distribución normal. conforme vaya realizándose la producción. cuyo intervalo es mas restrictivo. Los problemas de calidad aparecen. En algunos casos se incluyen en los gráficos de control los límites de aviso. saber cuando un proceso empieza a alterarse ofreciendo la posibilidad de corregirlo antes de que empiecen a producirse piezas defectuosas. En consecuencia se admite en Control de Calidad que el entorno de variación alrededor del valor de consigna es: ( x + 3σ . – Dibujar los límites en el gráfico apropiado.laformacion. • Requisitos del gráfico de control Los requisitos necesarios para la construcción de un Gráfico de Control son los siguientes: ( ) – Definir el proceso y sus condiciones de funcionamiento de manera que estén claras las especificaciones del producto y de los elementos que le afectan. x . – Determinar los límites de control a partir de los datos.9974 (99. – Comenzar a dibujar en el gráfico los puntos representativos de las muestras de la producción siguientes. Luis Arencibia Sánchez Si representamos en el tiempo el resultado estadístico (media. – Seleccionar una o varias características de calidad que van a ser controladas.

www.net 11 .www.com . en los que no se controlan las medidas sino la fracción o porcentaje defectuoso producido.libroelectronico.laformacion.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez • Tipos de gráficos de control De forma general existen. en un proceso industrial. dos tipos de seguimiento de los procesos a los que corresponden sendos tipos de gráficos: – Gráficos de control de dimensiones o variables (conocidos como gráficos X /R y X /S). – Gráficos de atributos.

el trabajo es simple: comparar lo fabricado en ciertos intervalos con los valores citados anteriormente. Gráficos de control por variables.com .laformacion. En la siguiente figura se muestran estos dos tipos de gráficos.1. µ .net 12 . Estos dos gráficos se irán formando simultáneamente con los datos extraídos de la producción. www.libroelectronico. la experiencia dice que el mayor aprovechamiento de la información se logra mediante la utilización conjunta de dos gráficos: − − Gráfico de tendencia central del proceso. σ . − Una vez conocidos estos parámetros y puesto que la distribución la suponemos normal. Gráfico de variabilidad del proceso. podremos calcular a priori entre que valores oscilará la producción.www. comparando cada muestra con los valores centrales y los límites superiores e inferior de la tendencia central y de la dispersión. de información acerca del producto que nos permita estimar los parámetros que definen la distribución: − La tendencia central del proceso. Este tipo de gráficos es utilizado cuando las características que pretendemos controlar son medibles y el instrumento de control utilizado permite establecer su valor. Desde el punto de vista de la eficacia. La dispersión del proceso. ( ) En la práctica el método de control consistirá en la obtención a lo largo del proceso (en función del tiempo). consiste en suponer que la distribución de frecuencias que sigue la población constituida por los elementos producidos por el proceso es una Distribución Normal N µ .3.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 1. σ . La validez de este tipo de gráficos y por lo tanto de las estimaciones realizadas y las consecuencias extraídas a partir de ellos. A continuación.

Por lo tanto. varianza. Además. Consideremos un proceso en el que σ para los valores individuales de las piezas vale 5 mm. recorrido.. En los gráficos X /R la comparación de las características a medir se hace con el valor medio de una muestra de pequeño tamaño. los dos gráficos antes mencionados podrían construirse a partir de estas medidas. entendiendo. Sin embargo la probabilidad de que un valor individual caiga fuera de los límites primitivos. Las muestras de pequeño tamaño aumentan la sensibilidad del proceso de detección de anomalías. Se encarecería el procedimiento. si al conjunto de los dos gráficos le damos una entidad única tenemos que gráficos (tendencia central.com . a. siendo la media del proceso 100 mm. se demuestra estadísticamente que es aproximadamente de 2%. (σ ) − Por los motivos anteriores se escoge un tamaño de muestra que esté comprendido entre 4 y 5 unidades producidas consecutivamente en un solo flujo de proceso (una www. desviación típica.1. Definir el tamaño de las muestras El tamaño de la muestra o subgrupo debe ser constante. No obstante. moverá los límites hasta los valores 90 y 120 mm. Si en el proceso se presenta una anormalidad que lleve la medida de 100 a 105 mm.1. Sin embargo muestras excesivamente grandes darían lugar a dos problemas: − Dejaría de ser válida la estimación de la variabilidad de la población partiendo del recorrido R de la muestra. variabilidad) habrá tantos como posibles combinaciones de estas medidas.3. R.laformacion. como ya es sabido. etc. moda. los más utilizados son los gráficos de medias y recorridos 1.. La inferior o gráfico R en el que se representan los recorridos de las diferentes muestras. y 115 mm.net 13 . − Los pasos para elaborar el gráfico son los siguientes: 1. X . La ventaja de utilizar la media de una característica en lugar de un valor individual es que los valores medios son mucho más sensibles ante variaciones del proceso que los valores individuales.www. Gráficos de variables ( X / R) . el recorrido como diferencia entre los valores máximo y mínimo de una muestra. aumentando esta sensibilidad con el tamaño de la muestra. mediana.libroelectronico. estimando la variabilidad de este parámetro mediante los recorridos de las muestras. Construcción del gráfico El gráfico está dividido en dos partes: − La superior o gráfico X en el que se representan los valores medios de la muestras extraídas (medidas de tendencia).Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Ahora bien. sabemos que la tendencia central y la variabilidad de una población pueden venir expresadas por distintas medidas: media. La dispersión ± 3 σ que como sabemos agrupa más del 99% de los valores individuales oscila entre 85 mm.

si éste es estable.libroelectronico. etc. no nos garantizan una mayor información sobre el mismo.net 14 . intervalos muy cortos en donde no ha habido oportunidad de cambios sobre el proceso. − − www. aparte de encarecer el proceso. o tener en cuenta la experiencia adquirida en procesos similares. Como cada proceso bajo estudio tiene unas características completamente diferentes de los demás. Denominación. etc). para que la variación dentro de cada muestra represente fundamentalmente causas comunes. la tendencia central y la dispersión. no existen reglas fijas referentes al intervalo de toma de muestra (cada 6 horas. cabezal. Si por el contrario con una idea de economía. No obstante. para poder detectar cualquier posible inestabilidad. 4. Los puntos básicos a tener en cuenta son: − No establecer tomas de muestra en periodos que la experiencia nos garantice continuidad en el proceso. Establecer el número de muestras a tomar Desde el punto de vista estadístico 25 o más muestras que dan un número total de 100 o más unidades inspeccionadas. Para establecer el intervalo de toma de muestra idóneo. debemos pues estudiar cada proceso. para cada lote de fabricación. Cambio de herramienta. Definir la frecuencia del muestreo. son suficientes para tener evidencia de la estabilidad del proceso y. durante el estudio inicial del proceso la toma de muestras se debe hacer a intervalos más cortos que durante la fase de mantenimiento en control del mismo. Característica.laformacion. 3.).com . 2. Operación. Cambio de la materia prima. − − X /R” se registran los siguientes datos: Referencia. etc. como por ejemplo: • • • • • − Cambio de turnos.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez sola herramienta.www. troquel. Las muestras deben cogerse con unos intervalos entre ellas que nos garanticen que éstas van a ser representativas de la población que pretendemos estudiar. Parada y arranque de la maquina. dos veces por turno. Relevo de operarios. el intervalo entre tomas de muestras es muy dilatado. b) Identificación del proceso. Registro de datos En el impreso “Gráfico de control del proceso a) Identificación de la pieza. Por una parte. lo más probable es que nos pasen desapercibidas las causas especiales que están actuando sobre él. Establecer tomas de muestra siempre que exista posibilidad de cambio en el proceso.

. Cálculo de la media ( X ) y del recorrido ( R) de cada muestra X 1 + X 2 +. Rk son los recorridos de cada subgrupo y k es el número de muestras o subgrupos tomados.Control estadístico de procesos y Planes de muestreo c) Identificación de la muestra. 5... Turno.+ X k k X 1 .).Valor mínimo) debe ser al menos dos veces la diferencia entre las medias máximas y mínima de la muestra. R2 .. X2 ..+ X n n Los parámetros estadísticos a registrar son la media y el recorrido de cada muestra..+ Rk k X = donde X 1 + X 2 +. La media total (X ) y el recorrido medio ( R) se calculan mediante: R= R1 + R2 +. Hora... Los cálculos a realizar son: Media: X = Recorrido: R =X max − X mim el tamaño donde X1.4 mm... www.libroelectronico. Las escalas verticales de los dos gráficos tanto el de medias como el de recorridos no se encuentran pre-impresos y es necesario determinarlas para cada característica a controlar. a.. X k son las medias muéstrales de los diferentes subgrupos. si una división del gráfico de medias es 0..laformacion. b.. Frecuencia. Selección de las escalas de los gráficos. Fecha. 6.. Xmin los valores individuales máximo y mínimo dentro de cada muestra. ( R) . Es recomendable que la escala del gráfico de recorridos sea doble que la correspondiente al gráfico de medias (p. Gráfico La amplitud de la escala (Valor máximo . n de la muestra y Xmax... X 2 ..com . La escala irá desde el valor mínimo 0 a un valor máximo igual o mayor al doble del recorrido máximo que se haya encontrado durante el periodo de puesta a punto.e. − − − − − Luis Arencibia Sánchez Tamaño.Xn son los valores individuales dentro de cada muestra..2 mm. en el de recorridos deberá ser de 0. R1 .. El centro de la escala (para tolerancias bilaterales) se tomará en principio en el valor nominal de la característica a controlar (valor central del campo de tolerancias especificado). Gráfico (X ).net 15 .www.

La única diferencia estriba en que los límites de control para los gráficos de variables se establecen para medidas de tendencia central y dispersión con muestras de tamaño relativamente pequeño.net 16 .laformacion.com .. Luis Arencibia Sánchez (X ) y de los recorridos ( R) en el Se marcan los puntos correspondientes a las medias y recorridos calculados para cada muestra.. Marcado de los valores de las Medias gráfico de control. También se conocen como límites de tolerancia (superior o inferior) de la característica a considerar. Estos límites son establecidos por el servicio de Ingeniería para cada característica importante o crítica de cada pieza. el proceso es capaz no siéndolo en caso contrario. σ la desviación típica de los valores individuales de la producción.libroelectronico. 8. como ya es conocido. Se trazan líneas que unan dichos puntos para ayudar a visualizar el proceso..www. cada una de ellas tendrá una media tendencia central vendrá dada por: • • x i . La comparación de estos límites con los de especificación ponen de manifiesto si el proceso es capaz o no de conseguir tolerancias.Control estadístico de procesos y Planes de muestreo 7. Si los límites del proceso entran dentro de los de especificación o tolerancias. Límites del proceso.+ x k k x colocamos la cantidad 3 σ x Pues bien. Se derivan directamente de la fabricación producida y su valor es como se sabe ± 3 σ alrededor de la tendencia central del proceso. si a un lado y otro de este valor obtendremos los límites de control del gráfico de variables. la x (x doble barra) = x 1 + x 2 +. Límites de control del gráfico de variables (naturales). Estos limites corresponden a los valores ± 3 σ X (3 x error típico) colocados a un lado y otro de la tendencia central o valor medio total de las distintas medias muestrales. si se extraen sucesivas nuestras de tamaño n consecutivamente de una producción. En este sentido hemos de distinguir tres tipos de límites bien diferenciados: • Límites de especificación. Es decir. siendo. www. Si extraemos k muestras. Cálculo de los límites de control El proceso básico para situar los límites de control en los gráficos de variables es similar al cálculo de los límites de ± 3 σ en las distribuciones de frecuencia. En el capítulo siguiente se desarrollará ampliamente el concepto y forma de calcular la capacidad de una máquina y de un proceso. Establecen la variación aceptable para las piezas individuales producidas.

net 17 . tanto para la media como para el recorrido. Luis Arencibia Sánchez Así. A2.laformacion. se obtiene: 3 LSC x = X + R nd 2 Para facilitar el cálculo.com . la relación entre la desviación típica y el recorrido medio es: σ= donde R d2 d 2 es una constante tabulada. D3 y D4 se recogen en la tabla 1 para valores de tamaño de muestra entre dos y diez. y teniendo en cuenta que el factor que multiplica a R es una constante. resultando: LSC x = X + A2 R LSCR = D4 R LIC x = X − A2 R LICR = D 3 R Los valores de D2. www. se le expresa como A2 y su valor está tabulado para cada valor de n.www.Control estadístico de procesos y Planes de muestreo La figura muestra la relación entre los diferentes tipos de límites. mediante la fórmula: ( ) σx = se tiene que: σ n 3σ n LSC x = X + A su vez.libroelectronico. De forma análoga se obtienen los diferentes límites de control. el límite superior de control de las medias será: LSC x = X + 3σ x y como la desviación típica de las medias está relacionada con la desviación típica de los valores individuales σ del colectivo.

Gráficos de recorridos.548 1.419 0.691 1.628 1.185 8 0. En toda la exposición que sigue.704 0.574 2.413 6 0.184 1.972 7 - (X ) y el recorrido medio (R) como líneas horizontales b.223 1.457 2.290 2.959 4 1. − Siete puntos consecutivos a un mismo lado de la media por encima o por debajo.239 1.630 5 0. LCI (X) y LCS (R) como líneas horizontales continuas.886 2 2. Trazado de las líneas medias y de los límites de control en los gráficos Se traza la media del proceso con trazo discontinuo.815 2.libroelectronico.185 1.010 0.278 7 0.954 1. (Rachas). (media del proceso) o la variabilidad (recorrido medio) del proceso o ambas simultáneamente no se mantienen a un nivel constante. 1.969 3 10 0. están actuando causas que hacen www.089 2.777 0.059 0.023 1.921 3 1.433 1.www.716 3.880 1.187 1.004 0.046 4 0.267 1. b.284 1.184 2.951 5 1.118 1.976 1.940 0 1.136 1.534 0.182 1.412 1.693 0. y los límites de control LCS (X).net 18 .975 0. por la actuación sobre el proceso de causas especiales. (Tendencias).577 0.797 9 3.761 2.032 1. Puntos fuera de los límites de control.373 0. se supone que no ha habido errores en los cálculos o trazado de líneas y que los sistemas y criterios de medición no han sufrido cambios.308 0.362 0.975 0.com .Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 9.659 2.030 1.729 0.816 0.267 3.326 0.285 2.287 1.772 2.882 2.924 0. Siete puntos consecutivos en una línea constante creciente o decreciente.568 1. aunque el proceso no está fuera de control estadístico. Interpretación del gráfico y actuación sobre el proceso El objetivo de la interpretación de los gráficos de control es determinar cualquier evidencia de que la tendencia central.109 0. Constantes estadísticas n A2 Ã2 A3 E2 D3 D4 B3 B4 d2 C4 K1 2 1.076 1. Son señal de que la variabilidad del proceso ha aumentado.508 1. a.880 2.847 0.864 0.099 1.114 2.266 2.119 9 0. − Si el tramo es creciente o por encima de la media es señal de que.970 0.660 3.970 2.257 3 1.337 0.128 0. Tramos dentro de los límites de control.483 0.054 0.965 0 1. Es necesario detectar la causa especial que lo ha provocado y definir la acción correctora.078 0.425 1.laformacion.

b. Es necesario detectar las causas que lo han producido y definir la acción correctora. − Siete puntos consecutivos a un mismo lado de la media del proceso por encima o por debajo.www. Si el tramo es decreciente o está por debajo de la media. Para ello se prescinde de los datos correspondientes a los puntos que estaban fuera de los límites. a. por lo que es necesario identificarlas y corregirlas. 2.libroelectronico.net 19 . es señal de que están actuando causas que hacen disminuir la variabilidad. Gráfico de medias. Esta secuencia de identificación/corrección/nuevo cálculo se repite hasta que todos los puntos restantes quedan dentro de los límites de control. para el siguiente periodo de toma de muestra es necesario volver a calcular los límites de control. Dado que esto nos interesa puesto que es una mejora del proceso. c.laformacion. www. Siete puntos consecutivos en una línea constante creciente o decreciente. están actuando causas que modifican su estabilidad. Con estos valores se calculan los nuevos límites de control. Nuevo cálculo de los límites de control En el caso de que existan puntos fuera de los límites de control tanto en el gráfico de medias como en el de recorridos. calculando los nuevos valores de la media del proceso y del recorrido medio con los restantes datos.com . es necesario detectar estas causas e intentar repetirlas como parte normal del proceso. − Ambas situaciones son indicio de que aún no estando el proceso fuera de control. Tramos dentro de los límites de control. Son señal de que la tendencia central del proceso ha sufrido cambios.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez aumentar la variabilidad por lo que es necesario detectarlas y definir la acción correctora. Puntos fuera de los límites de control.

Control estadístico de procesos y Planes de muestreo d.www. se vuelven a calcular los límites de control.libroelectronico. Control continuo del proceso Luis Arencibia Sánchez Una vez finalizado el periodo de toma de muestras (25 muestras por lo general).laformacion.com . Estos nuevos límites de control serán los utilizados para el siguiente periodo de tomas de muestra.net 20 . www.

Los valores de las constantes están indicados en la tabla 1. Los recorridos móviles deben ser interpretados con cuidado. LSC x = X + E 2 R LSCR = D4 R LIC x = X − E 2 R LICR = D 3 R donde X es la medida de los valores individuales y R es la media de los recorridos móviles. ya que dos recorridos móviles sucesivos nunca son independientes al tener una medición en común. el recorrido móvil se calcula como diferencia entre la primera y segunda lectura. en un intervalo corto de tiempo.1. ya que si normalmente se calcula con grupos de dos lecturas.www. Esto ocurre cuando el tipo de medición es muy costoso (ensayos destructivos) y en procesos químicos donde el tiempo de análisis es muy alto y la variación.3. excepto que: Se registran las medidas individuales en vez de las medidas muestrales. D3 y D 4 son constantes cuyo valor varía según el agrupamiento realizado para el cálculo de los recorridos móviles. Se calcula el recorrido móvil entre medidas individuales. En la tercera lectura el recorrido móvil se calcula como la diferencia entre la segunda y tercera lectura y así sucesivamente. • • Se calcula y se marca la media del proceso y la media de los recorridos móviles. Para la construcción de un gráfico de control de valores individuales se siguen los mismos pasos que para los gráficos • • X / R .Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 1. también se puede calcular con agrupamientos mayores. es muy pequeña. La ventaja radica en que los valores del gráfico pueden ser comparados directamente con los de la especificación.com . como el mantenimiento y mejora del proceso.laformacion. Tanto la interpretación de los gráficos. sólo puede obtenerse una medida por lote o partida.libroelectronico. Los inconvenientes son entre otros: • • • Menor sensibilidad a los cambios del proceso. www.2. Se calculan los límites de control. Gráficos de medidas individuales X Este gráfico es útil cuando.net 21 . En la segunda lectura. siguen lo expresado para los gráficos X / R. E 2 . por el tipo de proceso. El número de recorridos móviles será por tanto uno menos que el número de lecturas individuales. La interpretación se complica cuando la distribución no es simétrica. La primera lectura no tiene recorrido.

Estos gráficos se utilizan en aquellos casos en que tengamos procesos que utilicen elementos en los que se admite un cierto deterioro/desgaste/consumo/etc. Por ejemplo. si estamos controlando las actuaciones de un baño electrolítico mediante medición y seguimiento de la concentración del producto que contiene el elemento que se está depositando. d = A2 R Lím ite Diagonal Superior X Límite Diagonal Inferior www. con las siguientes diferencias: Los gráficos se recogen durante un ciclo completo. se traza la “línea de tendencia”. esta concentración va disminuyendo con el tiempo. haciéndose de un modo gráfico sin necesidad de otros cálculos materiales. con lo que cualquier representación gráfica de la concentración dará lugar a una pauta de puntos consecutivos descendentes que de acuerdo con lo que sabemos son índice de causas especiales.3.libroelectronico. El gráfico de control se utiliza no sólo para identificar la actuación de causas especiales sobre el proceso sino también para determinar cuando deben introducirse los cambios de los antes mencionados elementos.www. Se considera como línea de tendencia a la línea de mejor ajuste entre todos los puntos. Gráficos X / R con media móvil. y por lo tanto deben ser cambiados. Los pasos para la construcción de un gráfico de control similares a los seguidos para los gráficos • • X / R con media móvil son X / R . o en el supuesto de una operación de punzonado. A continuación se trazan los límites diagonales como dos líneas paralelas a la línea de tendencia a una distancia en vertical de la misma “d” por encima y por debajo.3.1.com . el punzón se irá desgastando con lo que cualquier representación gráfica de la profundidad del punzonado tendrá también una pauta de puntos consecutivos descendentes.net 22 .laformacion. entendiendo como tal el periodo entre cambio de herramienta. Para ello entre todos los puntos marcados en el gráfico de medias. Se separan aquellos que son representativos de la actuación de las causas especiales aparte de la tendencia creciente o decreciente esperada.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 1.

c. añadir producto al baño electrolítico.com .) se identifican las causas especiales que están actuando. • Para el recorrido R: Iguales que los de un gráfico 4. puntos consecutivos crecientes.www.. b. MPM = (1 / n)(MM 1º ciclo) + [(MM 2º ciclo)+. que indicarán cuando se debe llevar a cabo el cambio. decrecientes. www.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Mediante la aplicación de criterios expuestos en el apartado de la Interpretación del gráfico y actuación sobre el proceso (puntos fuera de los límites diagonales. a. definiendo la acción para eliminarlas.) como: MM = X máximo observado . es necesario cambiar la herramienta.. su mantenimiento y mejora se lleva a cabo como sigue: • Gráfico de medias. Una vez que el proceso esta en marcha. Cálculo de los límites de cambio del proceso • Para la media X: LSCP = X + (1 / 2) MPM + A 2 R LICP = X .(1 / 2) MPM . ( X / R) convencional.X mínimo observado Cálculo del movimiento promedio de la media (MPM). Se buscará la mejora del proceso reduciendo en lo que se pueda el movimiento promedio de la media.. A continuación se definen lo que se denominan los límites de cambio del proceso. etc.net 23 . Basándose en los límites diagonales. • Gráfico de recorridos. Para ello y después de asegurarnos que el proceso ha estado funcionando durante un número de ciclos de cambio de herramienta en condiciones normales de trabajo (sin puntos fuera de los límites diagonales ni ningún tipo de pauta que indique anormalidad en el proceso). Cuando el punto rebase los límites de cambio del proceso.A 2 R Siendo X y R los mismos conceptos que en un gráfico X / R . se analizará el gráfico buscando causas especiales que pudiesen estar actuando sobre el proceso.+(MM nº ciclo) ] 3.libroelectronico. Para ello se siguen los siguientes pasos: 1. se calcula para cada uno de estos ciclos el movimiento de la media (M. Se denomina movimiento promedio de la media (MPM) al valor medio de los Movimientos de la Media en los distintos ciclos (en el caso de n ciclos). etc.M.laformacion. Cálculo del “Movimiento de la media”.

. con – Se registran las medidas individuales y la desviación típica en lugar del recorrido.libroelectronico. Gráficos X .www. siendo igual de eficientes para tamaños de muestra pequeños.4.....Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez a. Estos gráficos son similares a los X / R con la diferencia de que la dispersión del proceso se mide por la desviación típica S del mismo en vez de por el recorrido R. n−1 (Por lo general n= 4 o 5) Desviación típica s2 (x = 1 −x ) + (x 2 2 − x +.... .com ... Tanto la interpretación como el mantenimiento y mejora del proceso siguen lo expresado para los gráficos www. B4 y C 4 valores dependientes del tamaño de muestra. S 1... Los pasos para su construcción coincide con los seguidos para los gráficos las siguientes diferencias: ( ) X / R .. B3 . R por la mayor dificultad de cálculo de la desviación típica S que del recorrido R..laformacion.. La actuación con el gráfico de recorridos es igual a la realizada con un gráfico de medias-recorridos convencional....net 24 . Para X LCS = X + A3 s LCI = X − A3 s Para S LCS = B4 s LCI = B3 s en donde: s= s1 + s2 + s3 +. como se indica...1....3.. Estos gráficos son menos frecuentes que los X . xn − x ) 2 ( ) 2 s = s2 – Se calculan los límites de control.. X / R. sn n La estimación de la desviación típica del proceso viene dada por: σ e = s / c4 Siendo A1 .....

Estos valores codificados son los que se representan en el gráfico. siempre que sea posible. Gráficos X objetivo. utilizando. como se indica: ~ ~ LSC M = M + A2 R LIC M = M − A2 R LSC R = D4 R donde: LIC R = D3 R M es la medida de las medianas. un tamaño de muestra impar. ~ A2 . R. Los valores de estas constantes están reflejados en la tabla.5. En ellos pueden perseguirse distintas piezas y distintas características en un mismo gráfico. Los gráficos X 0 / R son un nuevo concepto del CEP para trabajar en condiciones de producciones en series muy cortas y sin embargo seguir manteniendo toda la potencia de los gráficos de control tradicionales. para la fabricación en el mismo proceso.com . – Se calculan los límites de control. representa el valor objetivo para la pieza A.1. Estos gráficos son menos frecuentes que los X / R por la menor exactitud en la estimación de la tendencia central del proceso a través de la mediana que la lograda con la media.net 25 . Tanto la interpretación de los gráficos como el mantenimiento y mejora del proceso.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 1. 1.laformacion. Cuando se elige otra pieza distinta. El “truco” consiste en codificar las mediciones reales obtenidas.www. en lugar de la media. Esta codificación no es ni más ni menos que el asociar a cada medición el valor de su desviación respecto un objetivo que puede ser el valor nominal de la especificación o cualquier otro valor predefinido. B. codificaremos los nuevos datos y seguiremos representándoles en el gráfico a continuación de los representativos en dos piezas distintas por una línea discontinua. La línea central del gráfico de objetivo. y R es la mediana de los recorridos. Debido a esto los límites de control en estos gráficos son más amplios con lo que pueden existir causas especiales actuando sin ser denunciadas por el gráfico.3. con las siguientes diferencias: – Se registran las medidas individuales y la mediana. www.libroelectronico.1.3.6. Estos gráficos son similares a los X / R con la diferencia de que la tendencia central del proceso se mide por la mediana de las muestras en vez de por la media de las mismas. D3 y D 4 son constantes cuyo valor varía según el tamaño de muestra. Gráficos mediana y recorrido. Los pasos para la construcción de un gráfico de control de medianas y recorridos son similares a los seguidos para los gráficos X / R . Consisten en una ligera variación de los gráficos tradicionales. siguen lo expresado para los gráficos X / R.

.com . – Se calculan las líneas centrales y límites de control: Gráfico de medias. xi = ∑ X / n x o i = Valor objetivo n = tamaño de la muestra (constante) El valor codificado a representar será pues: b.... Gráfico R....laformacion...Control estadístico de procesos y Planes de muestreo Pieza A Luis Arencibia Sánchez Pieza B Sin embargo. excepto en que: Se registran las siguientes medidas: a. x= x c1 + x c 2 + x c 3 +. Se deben recoger al menos diez muestras antes de calcular los límites de control.. xc i = xi − x o i En este gráfico se representa la diferencia entre el valor mayor y el menor de los valores reales obtenidos en la muestra...... han de tener un valor similar en lo que respecta a la dispersión. Gráfico Xo . Para la construcción de un gráfico de control para los gráficos • X 0 / R se siguen los mismos pasos que X / R ...net 26 ...x max.. ..+ x ck k www..libroelectronico. Ri = x min.. El tamaño de la muestra ha de ser constante.www. (Recorridos medios).... el valor objetivo. En este gráfico se representa en cada punto de control el valor resultante de restar a la media de los valores reales obtenidos en la muestra.... la utilización de estos gráficos está sometida a unas ciertas condiciones: • • • Todas las características que se introduzcan en un mismo gráfico.

... La línea central es el denominado recorrido medio R..... www...laformacion....net 27 ...... apartado Gráfico de recorridos..+ Rk k LCS = D4 R LCI = D3 R Los límites de control vienen dados por las expresiones: En donde D3 y D4 son dos valores función del tamaño de la muestra........libroelectronico.com ..Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Los límites de control vienen dados por las expresiones: LCS = X + A2 R LCI = X − A2 R en donde A2 es un valor función del tamaño de la muestra (Ver tabla 1).www. R= R1 + R2 + R3 +..

etc.com . Gráficos de control por atributos. y por ello se estudian proporciones en función del tamaño de la muestra para que la base de comparación sea la misma. Sin embargo muchas veces es necesario controlar un proceso en que la característica escogida es no mensurable (una bombilla se enciende o bien.2. En este caso utilizaremos los gráficos de atributos para analizarlos y decidir que características vamos a controlar en el futuro con gráficos de variables. podemos utilizar el cuadro resumen siguiente: CARACTERÍSTICA A CONTROLAR TAMAÑO DE MUESTRA CONSTANTE VARIABLE ELEMENTOS DEFECTUOSOS np p ó 100 p DEFECTOS c u www. Luis Arencibia Sánchez Ya hemos visto como los gráficos de control por variables nos ayudan a estudiar las causas que producen inutilidades durante el proceso y a evitarlas. No obstante.www.libroelectronico. Cuando el tamaño de la muestra es constante no es necesario calcular proporciones siendo válidos los datos directos (gráficos n p y c). siendo mensurable. Para estos casos se desarrollan los gráficos de control por atributos. el color de un elemento es el especificado o no. Una excepción a esta regla es cuando los datos históricos que disponemos sean de tipo atributo. a.) o bien. 100p y u difieren de los gráficos n p y c en que los primeros son gráficos en los que el tamaño de la muestra no es constante. tienen el inconveniente de no avisar si se van a producir cambios adversos en el proceso. Avisan cuando ya se han introducido. ésta se realiza mediante calibres o útiles que transforman las medidas con tolerancia de una pieza en aceptable o no aceptable (calibres pasa . En general.3.laformacion.no pasa). los gráficos p. a menos que sea totalmente imposible el obtener datos de tipo variable. Para unidades defectuosas: − − − Gráfico de proporción de unidades defectuosas Gráfico de porcentaje de unidades defectuosas Gráfico de número de unidades defectuosas Gráfico de número de defectos por unidad (u) Gráfico de número de defectos por muestra(c) (p) (100 p) (n p) b. Estos gráficos de control exigían que la característica escogida para controlar el proceso fuera mensurable. Aunque estos gráficos son capaces de distinguir entre causas comunes y especiales.net 28 . hay que saber cuantificar de una forma real dichos costos dado que la información que perdemos al utilizarlos en grande. A la hora de elegir uno de los gráficos anteriores. Vamos a distinguir dos grandes grupos de gráficos de control por atributos según controlemos unidades defectuosas defectos. los gráficos de control por atributos son utilizados para la mejora de proceso que producen un alto número de unidades defectuosas. por abaratar costos de la inspección.Control estadístico de procesos y Planes de muestreo 1. Para defectos: − − Dentro de cada grupo.

en la verificación de una cadena de fabricación de bombillas. El tipo de gráfico a utilizar es similar al de variables.www. El problema por lo tanto consistirá en coger muestras de tamaño n y separar las unidades de dicha muestra en defectuosas y no defectuosas.2. Unión casquillo / ampolla suelta Consideramos unidad defectuosa a cualquiera que tenga un defecto de los tipos anteriores o una combinación cualquiera de los mismos. y proporción de unidades defectuosas p no próxima ni a 1 ni a 0). No luce b. que podemos generalizar como: np > 5 La distribución binomial puede ser sustituida por una distribución normal de mismos parámetros que la binomial. En las condiciones anteriores el número de unidades defectuosas en la muestra de tamaño n sigue una distribución binominal cuyos parámetros son: x = np σ 2 = np(1 − p) Para unas condiciones determinadas de los valores “n” y “p” (tamaño de muestra grande. este gráfico nos permitirá el controlar al mismo tiempo más de un tipo de defecto. Cuando el proceso esté bajo control se va a cumplir que: • • La proporción de elementos defectuosos fabricados a la que denominaremos p.laformacion. Gráficos “n p” (número de unidades defectuosas). De acuerdo con el cuadro anterior. La producción de una unidad defectuosa en un momento dado es independiente de que las unidades anteriores hayan sido defectuosas o no. como se ve en la figura. Por ejemplo. Falta estañado c. consideramos como unidad defectuosa a aquella que presenta una o más defectos. www.net 29 .com . podemos establecer como posibles defectos los siguientes: a. Es más. Gráficos para unidades defectuosas. Es necesario hacer la aclaración de que si consideramos “defecto” a cualquier falta de conformidad de la unidad producida con los requerimientos establecidos.3. este tipo de gráfico se utiliza cuando queremos controlar la evolución a lo largo del tiempo de la producción de unidades defectuosas y nos es posible mantener un tamaño de muestra constante.1.libroelectronico.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 1. se va a mantener constante con el tiempo. A.

– Número de muestras por periodo. Los resultados de las observaciones. Por una parte intervalos muy cortos en donde no ha existido oportunidad de actuar cambios sobre el proceso. que serán siempre el número de no conformidades en la muestra.libroelectronico. no nos garantizan una mayor información sobre el mismo. www. Luis Arencibia Sánchez – Tamaño de muestra. El periodo de recogida de muestras debe ser lo suficientemente largo como para recoger todas las posibles causas de variabilidad que actúan sobre el proceso. lo más probable es que nos pasen desapercibidas las causas especiales que están actuando sobre él. para una proporción media de unidades defectuosas. Establecer tomas de muestra siempre que exista posibilidad de cambio en el proceso como por ejemplo: • • • • • − Cambio de turnos. se registran en un impreso que facilita la interpretación del gráfico.com . – Registros de datos. los puntos básicos a tener en cuenta son: − No establecer tomas de muestra en periodos que la experiencia nos garantice continuidad en el proceso.laformacion. considerándose una prueba satisfactoria de estabilidad 20 tomas de muestras. Cambio de la materia prima. Por lo tanto. Ya hemos dicho que lo ideal es que se cumpla la desigualdad n p > 5. para poder detectar la posible inestabilidad. durante el estudio inicial del proceso la toma de muestras se debe hacer a intervalos mas cortos que durante la fase de mantenimiento o control del mismo.Control estadístico de procesos y Planes de muestreo Construcción del gráfico. Esto nos va a influir en el tamaño de muestra a elegir porque cuanto mayor sea el nivel de calidad serán necesarias muestras de mayor tamaño para que se cumpla lo anterior. del orden de 50 a 200. las muestras deben cogerse con unos intervalos entre ellas que nos garanticen que éstas van a ser representativas de la población que pretendemos estudiar. Al igual que en los gráficos de control por variables.net 30 . Cambio de herramienta.www. Para que estos gráficos nos sirvan de ayuda. Parada y arranque de la maquina. Si por el contrario con una idea de economía. En general. Relevo de operarios. En general. el intervalo entre tomas de muestras es muy dilatado. se requieren tamaños de muestra muy grandes. es necesario que en cada muestra escogida exista algún elemento defectuoso. No obstante. podemos estimar el valor de n que cumpla la desigualdad anterior. – Intervalo de toma de muestra. etc.

en el gráfico. Además... p= donde np1 + np2 +.. la media de la proporción de no conformes p con una línea horizontal continua y los límites de control se identifican mediante líneas horizontales discontinuas. se definen los límites de control superior e inferior: LSCp = p + 3 p(1 − p) / n LICp = p − 3 p(1 − p) / n – Trazado de las medias y de los límites de control... n k el número de unidades inspeccionadas en cada muestra. npk son el número de no conformidades observadas en cada muestra y n1 .+ np k n1 + n2 +..... p= np n Alternativamente.libroelectronico.. www. n k np1 ... Cada registro debe llevar anotado el momento de toma de la muestra con objeto de facilitar la investigación posterior. por cálculos estadísticos que relacionan la desviación típica con los valores p y n. A continuación se traza. también se pueden utilizar datos históricos para el cálculo de la proporción de no conformes. calculando a continuación la proporción de no conformes. – Cálculo de la proporción media de no conformes p . la proporción de no conformes se distribuye según la distribución binomial (similar a la normal y en forma de campana).. Si un proceso es estable con una proporción de no conformes p... n2 . el 99.com . Para cada muestra hay que registrar el número de unidades inspeccionadas n. y el número de unidades no conformes np.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez En este impreso existe una parte para la construcción del gráfico y otra parte destinada al registro de datos.net 31 .laformacion.73% de los puntos muestrales estarán comprendidos entre p y más/menos tres desviaciones típicas. De esta forma. – Cálculo de los límites de control. Se asume que. si un proceso donde se están controlando variables discretas o atributos es estable. el impreso debe llevar una zona donde se anoten los elementos no habituales que afecten al proceso. np2 ..www. – Cálculo de la proporción de unidades no conformes p.

laformacion.net 32 .libroelectronico.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez www.www.com .

ante las señales emitidas por el gráfico de control. − Si el tramo es creciente o por encima de la media es señal de que aunque el proceso no está fuera de control estadístico. Los tramos o rachas. Dado que esto nos interesa puesto que es una mejora del proceso. La s acciones a tomar.C. en lo referente a: ∗ ∗ ∗ Los puntos fuera de control.net 33 . www. Tramos dentro de los límites de control. están actuando causas que hacen aumentar el número medio de unidades defectuosas por lo que es necesario detectarlas y tomar acción correctora. (a) L. el efecto es beneficioso. L as pautas o series no fortuitas.laformacion. cuando existiendo el límite de control inferior.C. (b) aun existiendo una causa especial actuando sobre el proceso. Sin embargo. es señal de que están actuando causas que hacen disminuir el número medio de unidades defectuosas.libroelectronico. es necesario detectar estas causas e intentar repertirlas como parte normal del proceso. − Siete puntos consecutivos a un lado mismo lado de la media por encima o por debajo. son las siguientes: 1. los puntos se encuentran por debajo de este.www. (a) son señal de que el número medio de unidades defectuosas en el proceso ha aumentado.I.S.Control estadístico de procesos y Planes de muestreo Análisis del gráfico. Siete puntos consecutivos en una línea constantemente creciente o decreciente. Cuando es por encima del límite de control superior. Es necesario detectar la causa especial que lo ha provocado y tomar acción correctora para evitar que se repita. Luis Arencibia Sánchez La interpretación de los gráficos de control por atributos sigue las mismas reglas que la de los gráficos de control por variables. Puntos fuera de los límites de control. (disminución del número medio de unidades defectuosas) por lo que es necesario detectar la causa que lo produce para intentar reproducirla.com . np L. (b) 2. Si el tramo es decreciente o está por debajo de la media.

Control estadístico de procesos y Planes de muestreo

Luis Arencibia Sánchez

B. Gráficos “p” (proporción de unidades defectuosas) Este gráfico es idéntico al gráfico n p con la diferencia de que es utilizado cuando por condiciones de producción o de cualquier otro tipo, el número de unidades de la muestra no puede ser constante. En este caso y para tener una base de comparación, el parámetro que se calcula y controla su evolución es en vez del número de unidades defectuosas n p, la proporción de unidades defectuosas en cada muestra p.

p=

Nº unidades defectuosas en la muestra Nº unidades inspeccionadas

Todo el desarrollo de los gráficos p es idéntico a los n p salvo en lo siguiente:

– El tamaño de la muestra no tiene por qué ser constante, aunque es de desear que las
variaciones entre los distintos tamaños de muestra no sean superiores al 25-30%.

– En el gráfico de atributos se calculará para cada muestra el valor de p como cociente
entre los valores piezas defectuosas y piezas inspeccionadas y se calculará la “Proporción media de unidades no conformes” como:

p=
Siendo:

np1 + np2 + np3 +................ npm n1 + n2 + n3 +............... nm

np1, np2, np3,....npm el número de unidades defectuosas en las muestras 1, 2, 3, ........, m. n1, n2, n3, .....nm el tamaño de las muestras 1, 2, 3, .....m.

– Se calcularán los límites de control como:

[ ( ) ] LCS = p − 3 [ p (1 − p) / n]
LCS = p + 3 p 1 − p / n
Siendo

1/ 2

1/ 2

n = (n 1 + n 2 + n 3 +.......... n m ) / m (tamaño medio de muestra).

www.laformacion.com - www.libroelectronico.net

34

Control estadístico de procesos y Planes de muestreo

Luis Arencibia Sánchez

C. Gráficos “100p” (Porcentaje de unidades defectuosas) Este gráfico es idéntico al gráfico p con la diferencia de que la proporción de unidades defectuosas se expresa en tanto por ciento en lugar de tanto por uno. En este caso el parámetro que se calcula y controla la evolución, es el porcentaje de unidades defectuosas en cada muestra 100p.

100 p =

Nº de unidades defectuosas en la muestra x100 Nº unidades inspeccionadas

Todo el desarrollo de los gráficos 100p es idéntico a los p salvo en lo siguiente:

– En el gráfico de atributos se calculará para cada muestra el valor de 100p como cociente
entre los valores de piezas defectuosas y piezas inspeccionadas multiplicándose el valor obtenido por 100.

– Se calculará el “porcentaje medio de unidades no conformes” como: 100 p =
Siendo:
• •

np1 + np2 + np 3 +........ npm x100 n1 + n2 + n3 +........... nm

n pi el número de unidades defectuosas en la muestra i. ni el tamaño de las muestras i.

– Se calcularán los límites de control como:

) ] [ ( LCI = 100 p − 3 [100 p (100 − 100 p) / n]
LCS = 100 p + 3 100 p 100 − 100 p / n
Siendo

1/ 2

1/ 2

n = (n 1 + n 2 + n 3 +.......... n m ) / m (tamaño medio de muestra)

www.laformacion.com - www.libroelectronico.net

35

Control estadístico de procesos y Planes de muestreo 1.3.2.2. Gráficos para defectos.

Luis Arencibia Sánchez

Ya hemos visto como con los gráficos para unidades defectuosas, controlábamos los defectos en unidades o piezas, siendo la base de los gráficos las propias unidades defectuosas. Pero a menudo en la industria, nos encontramos con defectos que no van asociados a unidades o piezas, sino que aparecen en una producción continua como por ejemplo telas, rollos de cable eléctrico, tuberías de plástico, etc., y en donde el parámetro a controlar es el número de defectos por unidad de longitud, área, etc. En otros casos nos encontramos con productos cuyo control aún yendo asociado a unidades, son tan complejas y por lo tanto la probabilidad de aparecer un defecto es tan grande, que si utilizamos gráficos p, o n p, el número de unidades defectuosas o su proporción serían tan próximas a la unidad, que la información que obtendríamos sería casi nula. En estos casos utilizaremos gráficos de control por número de defectos. El problema por lo tanto consistirá en coger muestras de tamaño n y contar el número de defectos encontrados en dicha muestra. Cuando el proceso esté bajo control se va a cumplir que:

El número medio de defectos por unidad a la que denominaremos mantener constante con el tiempo.

d se va a

La producción de un defecto en un momento dado es independiente de que se hayan producido defectos con anterioridad o no.

En las condiciones anteriores, el número de defectos en la muestra de tamaño n sigue una distribución de Poisson cuyos parámetros son:

x= d

σ2 = d
Para unas condiciones determinadas del valor “d”, que podemos generalizar como:

d > 5
La distribución de Poisson puede ser sustituida por una distribución normal con los mismo parámetros que la de Poisson.

www.laformacion.com - www.libroelectronico.net

36

por lo que nos limitaremos a establecer los puntos que son diferentes: – Se registra en la casilla (C) total de defectos del gráfico por atributos el número de defectos encontrados en cada muestra. metros de tubería. . Gráficos “u” (Número de defectos por unidad). metros cuadrados de tela. ......c m ) / m Siendo c1. Gráficos “c” (Número de defectos por muestra).net 1/ 2 1/ 2 37 .. .m. etc. c3.cm.. m.. c2. nm c1. Todo el desarrollo de este tipo de gráfico es idéntico al ya visto n p.. Cuando el tamaño de muestra no puede ser constante. 2. 3.. c3.... 2. Todo el desarrollo de este tipo de gráfico es idéntico al ya visto “p”. – Se calcula el número medio de defectos por unidad u como: u= Siendo: • • ( c1 + c 2 + c 3 +. el número de defectos de las muestras 1... 3. denominado “Gráfico de número de defectos por unidad”. 3.. anotándose el resultado en la casilla (C/A). calculándose a continuación el valor del número de defectos por unidad u... el gráfico utilizado para controlar número de defectos es el gráfico “u”. n3.com . c2. denominado “Gráfico de número de defectos por muestra”....c m ) n1 + n2 + n3 +.. – Se calculan los límites de control como: [] LCI = c − 3 [c] LCS = c + 3 c 1/ 2 1/ 2 B. ..). el gráfico utilizado para controlar número de defectos es el gráfico “c”.laformacion. Cuando el tamaño de muestra es constante.libroelectronico...nm el tamaño de las muestras 1.cm. defectos encontrados en cada muestra que ha de ser de tamaño constante (número de unidades. realizando el cociente entre el valor de la casilla (C) y el de la casilla (A) piezas inspeccionadas. n2.. el Número de defectos de las muestras 1.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez A.m. n1. por lo que nos limitaremos a establecer los puntos que son diferentes: – Se registran en la casilla total de defectos del gráfico por atributos el número de – Se calcula el número medio de defectos c como: c = ( c 1 + c 2 + c 3 +..www. 2. – Se calculan los límites de Control como: [ ] LCI = u − 3 [u / n] LCS = u + 3 u / n www. . ..

Definiciones. Es el valor superior de la variabilidad admitida en una característica de un producto por los planos o especificaciones del mismo.laformacion. Límite de especificación superior (LSE).3% de elementos fuera de especificación no lo consideran admisible y consideran al proceso capaz cuando el porcentaje mínimo de elementos dentro de especificación es de 99.Control estadístico de procesos y Planes de muestreo 1. Si especificamos que un proceso es capaz será necesario informar al mismo tiempo qué porcentaje de elementos deben caer dentro de las especificaciones para que lo consideremos así. diremos que el proceso es capaz. lo cual compete al segundo aspecto del Control Estadístico de Procesos.4. Por ejemplo.994%. Se denomina capacidad de un proceso a una medida del buen comportamiento del mismo una vez que todas las causas especiales de variación han sido eliminadas comparando la variabilidad o tolerancia natural del proceso con la máxima variabilidad permitida por las especificaciones de ingeniería. denominado capacidad de procesos. Sin embargo hay otras que ese 0. www.www. Si mediante esta comparación. es decir.com . El estudio de la capacidad en este caso se realiza mediante el cálculo del índice de capacidad apropiado y su comparación con un valor mínimo especificado. sino que se hace utilizando los índices de capacidad del proceso. Límite de especificación inferior (LSI). Si el valor estimado del índice es mayor o igual que el valor mínimo especificado. Es el valor inferior de la variabilidad admitida en una característica de un producto por los planos o especificaciones. sin embargo la metodología más extendida es la de los “índices de capacidad”. que el nivel de la variación debida a causas comunes puede ser aceptable o no. hay organizaciones que consideran que un proceso es capaz cuando el porcentaje de elementos que caen dentro de los límites especificados son iguales o superiores al 99.libroelectronico. Sin embargo esto no significa necesariamente que el producto obtenido de dicho proceso se ajuste a las especificaciones técnicas a las que está sujeto.1. Esta comparación podría hacerse de varias maneras distintas. Es un parámetro que relaciona el rendimiento real de una máquina o proceso con su rendimiento especificado para un producto y característica en particular. Esta decisión no se toma con la utilización de los gráficos de control.7%. y por lo tanto es la que desarrollaremos. Luis Arencibia Sánchez El que un proceso se encuentre en estado de control estadístico significa que sobre el mismo sólo actúan causas comunes y que por lo tanto su variabilidad está acotada y es predecible. se demuestra que los elementos a que da lugar el proceso caen en un porcentaje mínimo determinado dentro de la especificación. diremos que el proceso es capaz y que no lo es en el resto de los casos.net 38 . 1. Capacidad. Capacidad de procesos.4. Índices de capacidad de proceso.

net 39 .Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Son el medio utilizado para tener una indicación de la variabilidad de un proceso a largo plazo en relación con las tolerancias especificadas.laformacion.com .www. www.libroelectronico.

Cp = LSE − X 3s Cp = X − LIE 3s Un proceso con un índice de capacidad Cp<1 no se considera aceptable. produce en la variabilidad del producto. Índices de capacidad de proceso. 2. Si Cp ≥ 1.laformacion. Esta comparación se hace mediante el cálculo del índice de capacidad Cpk y se calcula como el valor mínimo de las expresiones: Cpk = mín  LSE . Índices de capacidad de máquina. Analizar el ajuste o tendencia central. Índices de capacidad. Cp = LSE − LIE 6s Nominal − LIE 3s • Existe un límite superior o inferior de especificación y un valor nominal. Esta comparación se realiza mediante el cálculo del índice de capacidad de proceso (Cp). Para aquellos procesos en que se considera la distribución normal la capacidad de máquina es una medida de las fluctuaciones que ella.net 40 .X X − LIE  .5 se deben tomar acciones apropiadas para reducir la variación inherente. Una vez que se tienen calculados los límites de control. por si sola.2.Control estadístico de procesos y Planes de muestreo 1. sólo cuando Cp ≥ 1. 1. • Control por variables. El criterio más ampliamente utilizado es considerar el proceso aceptable.com . 3.www. el siguiente paso es compararlos con las especificaciones. Cp = LSE − Nominal 3s Cp = • Sólo existe el límite superior o inferior de especificación.4.   3σ     3σ El valor obtenido para que el proceso sea aceptable es que Cpk ≥ 1. www. la capacidad de proceso se evalúa comparando la variabilidad del proceso con los límites de la especificación. Luis Arencibia Sánchez En el caso de variables en procesos en los que se considera la distribución normal. ya que el proceso no producirá de forma consistente productos que cumplan con los requisitos. En este cálculo se pueden dar los siguientes casos: • Existen los límites de especificación inferior (LIE) y superior (LSE).libroelectronico.5.

 36 36    Ha de conseguirse un valor • Control por atributos. – Estudiar el proceso. Comparar el • Numero total de no conformes Numero total de observaciones p calculado con el criterio de aceptación: Si el p calculado es menor que el valor definido en el criterio de aceptación. mantengan el nivel actual de proporción de no conformes hasta que el proceso se pueda mejorar. operar durante un periodo de tiempo determinado que permita obtener información de las posibles causas de variación que afectan al proceso. Para ello. • Si el proceso no es capaz.www. 3. En este caso es necesario: – Implantar procedimientos que. x − LIE 36 El valor mínimo exigible a Cm es de 1’33. el p calculado es mayor que el valor definido en el criterio de aceptación.laformacion. Definir la media del proceso que se considera aceptable a efectos de la homogeneidad del proceso. al menos. proceso. realizar las mejoras adecuadas y reevaluar la capacidad de www. En el caso de atributos la capacidad de proceso se evalúa comparando la media del proceso con el criterio de aceptación. − El índice de capacidad Cm que analiza el ajuste de la máquina o tendencia central y se define como:  LSE .net 41 . el proceso es capaz.000 datos individuales y sus grupos representados gráficamente y bajo control estadístico.com . calculando: − El índice de capacidad Cm que analiza la dispersión inherente a la máquina: Cm = LSE − LIE 6s . se siguen los siguientes pasos: 1. utilizar estos datos para el cálculo de la media de proceso: p= 4. Cuando el proceso ya es estable.libroelectronico. ≥ 1’33.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Una vez que se tienen calculados los límites de control el siguiente paso es compararlos con los especificados. Cuando se haya obtenido un mínimo de 2.x x − LIE   Cmk = min  . Mientras tanto establecer el control de producto que permita detectar lotes cuya proporción de no conformidades sea superior al criterio de aceptación. 2.

3.www. www. En primer lugar la satisfacción del cliente. En ciertas situaciones específicas de anormalidad en la máquina por problemas de desgaste u otras causas. se mide según la función: L (Pérdidas)= K σ 2 que corresponde al modelo parabólico de que antes se habló. Existen dos razones fundamentales para intentar llevar esta variabilidad al mínimo. En el estudio de capacidad de máquina. muestra la situación real en la que el grado de satisfacción real en la que el grado de satisfacción “ideal” se conseguiría en la situación “objetivo” y que se produce con una variabilidad parabólica hacia los límites de especificación. 1.com . más coste. etc. se centre en la reducción de la variabilidad de cualquiera de sus procesos industriales.4. Conclusiones sobre los estudios de capacidad. Consideraciones sobre la dispersión de los procesos. cuando estas la viabilidad del proceso. en el momento actual.libroelectronico. La diferencia básica entre los estudios de capacidad de máquina y proceso es el tiempo.4. todo lo que se ha expuesto corresponde a estudios realizados sobre datos distribuidos normalmente y trasladados al gráfico probabilístico normal. El profesor japonés Genichi Taguchi ha desarrollado una teoría difundida ya en USA y demás países desarrollados según la cual la falta de calidad. la producción. los datos se agrupan según distribuciones unilaterales que tienen su tratamiento estadístico traducido al gráfico probabilístico que se muestra al final del anexo de gráficos. Si esto se debe hacer tan frecuentemente que altere el ritmo de considerarse incapaz. Cuando existen tendencias o sesgos en el gráfico X . en términos monetarios. De ahí los esfuerzos que se están prodigando en industrias y servicios para reducir dicha variabilidad. (σ ) 2 en sus De aquí que el interés de todos los ejecutivos de las empresas.laformacion.5. A mayor variabilidad. que la variabilidad en sentido de mayor dispersión de los mismos es intrínsecamente mala para todo tipo de proceso. Así pues. La figura 2. Se cambios de herramientas. Todo producto cuyos parámetros estén dentro de especificaciones producen una completa satisfacción en el cliente. financieras. el proceso debe diferencias son significativas se debe tomar una decisión sobre puede conseguir un proceso capaz con frecuentes reajustes. Por otra parte. Se hace evidente. ésta se calcula utilizando R que mide la variación inherente a los subgrupos. etc.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 1. administrativos.4.net 42 . Estas pérdidas son las que cada industria transfiere a la sociedad como consecuencia de admitir variabilidad procesos. En la práctica no se puede llegar a esta situación de “variación nula” a lo largo de los límites de especificación. a la vista de los cálculos de capacidades de proceso. las variaciones inherentes a los grupos y la desviación típica calculada por el procedimiento convencional se aparta de la calculada a partir de R tanto más cuanto mayores sean las variaciones entre subgrupos.

www. al crecer.E. alcanzar los valores que en dicha figura se expresan.laformacion.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez En resumen la “variabilidad sobre el objetivo” es intrínsecamente mala y.com .www. sino plenamente conseguibles.O.) que podríamos agrupar en tres categorías: a) Diseño de Experimentos clásicos desarrollados por medio del análisis de varianza (ANOVA). han tenido que desarrollarse una serie de herramientas estadísticas sin las cuales no se hubieran podido medir ni la variabilidad. b) Diseños de G.libroelectronico. que sin ser matemáticamente ortodoxos. En segundo lugar la variación no estudiada o controlada dificulta el adecuado estudio de tolerancias y a medida que aquella crece lo hace el desperdicio y reprocesos en las industrias disminuyendo su competitividad. produce insatisfacción al cliente (aún sin desbordar las tolerancias) y pérdidas a la sociedad. Estas herramientas quedan englobadas en las metodologías de Diseño de Experimentos (D. De ahí que el único método de “pleno éxito” para eliminar la defectuosidad inherente o transferida es diseñar productos y procesos de forma que los parámetros que los definen se aproximen lo más posible al objetivo de diseño. ni los factores e interrelaciones entre los mismos que inciden en aquella.Taguchi. llegan a conclusiones ampliamente experimentadas. Para llegar a estas situaciones no ideales. No hay otra forma de conseguir el auténtico “cero defectos” con lo que ello lleva aparejando de ahorro de tiempo. ante todo.net 43 . en el concepto de Calidad Total (aplicable a cualquier tipo de proceso o producto). Las figuras muestran la evolución del índice Cp y Cpk a medida que los conceptos anteriormente citados se han puesto en evidencia y el avance tecnológico ha permitido. plena satisfacción del cliente. reduciendo drásticamente la compilación de los incluidos en el apartado a). eliminación de desperdicios y.

www. lógica y ortodoxa que está teniendo un amplio campo de difusión en las empresas americanas.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez c) Diseños de D.laformacion. Shainin. metodología simple.net 44 .www.libroelectronico.com .

com .libroelectronico.www.laformacion.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez www.net 45 .

estará fuera de los límites PC. aproximadamente.Control estadístico de procesos y Planes de muestreo 1. Naturalmente el hecho comentado supone que las dos piezas han aparecido al mismo lado de la distribución. Por tanto la probabilidad de que dos piezas seguidas estén fuera de dichos límites es: 1 1 1 x = 14 14 196 lo que significa que. lo que lleva a la conclusión de que las áreas de la distribución comprendidas entre dichos límites y las tolerancias representan un 7% en cada cola de dicha distribución. en múltiples aplicaciones. una vez en cada 200 piezas cabe esperar que haya dos piezas seguidas fuera de los límites PC. que 1 de cada 14 (aprox.net 46 . Caso de que las dos piezas seguidas desaparezcan en una y otra colas no habrá condición de desplazamiento pero sí de dispersión (aumento de σ ) con el peligro que ello conlleva para la capacidad del proceso. Precontrol.www. El sistema se basa en el cumplimiento por parte de los procesos de producción de la distribución normal para detectar cambios respecto al valor central.com . Por el cálculo de la áreas subtendidas por la distribución normal puede demostrarse fácilmente que el área subtendida por dicha distribución y los límites PC (precontrol) es el 86% del área total. www. Se trata.laformacion. Luis Arencibia Sánchez El precontrol es un sistema desarrollado para completar o sustituir.) piezas.5. Se trata pues de un fenómeno “raro” que presupone que un efecto anormal se ha producido en el proceso provocando su desplazamiento. es decir. Entre sus ventajas puede citarse que es aplicable tanto a variables como a atributos. como puede observarse en la figura.libroelectronico. Hablar de un 7% en cada cola de la distribución es equivalente. a los gráficos de control. de dividir el campo de tolerancia en 4 partes iguales trazando las líneas de precontrol a las distancias de ¼ y ¾ respecto al límite inferior de especificación.

tomar una muestra de 2 unidades consecutivas pudiendo producirse las siguientes situaciones: 1. los límites PC en el campo de las tolerancias fijadas por ingeniería. En esa condición el proceso está en control. de forma experimental. como ya se ha expuesto.net 47 .laformacion. como la sexta parte del tiempo transcurrido entre dos paradas consecutivas por las causas anteriormente indicadas. 2.com .libroelectronico. es decir. el proceso debe pararse e investigarse las causas que han producido la variabilidad. La producción. Si al menos una da las piezas se encuentra en la zona “roja” (rechazo) es preciso detener la producción e investigar la causa del rechazo. (Equivale a un Cp=2). se toma una muestra de 5 piezas cuyas medidas deben estar comprendidas en la zona “verde”. El procedimiento a seguir para implantar la técnica de precontrol es el siguiente: a. Si ambas unidades caen en la zona amarilla al mismo lado de la línea PC (descentramiento) o en una y otra zona de dicha condición (aumento de la dispersión). 3.1. Localizar. en control y la producción sigue.5. Una unidad se encuentra en zona verde y otra en una de las dos zonas amarillas. cumplir de nuevo al punto b.www. Ambas unidades están en la zona “verde” y la producción continua. Procedimiento de actuación. – Zona “amarilla” entre dichos límites y los de tolerancia. La frecuencia de muestreo se ha determinado. Pa ra determinar la capacidad del proceso. puede comenzar. 5. – Zona “roja” fuera de los límites de tolerancia. pero siempre condicionada a la obtención de que los valores de cinco piezas seguidas. por el momento. Siempre que el proceso se detenga (puntos 3 y 4) para ponerlo en marcha de nuevo es necesario que cinco piezas consecutivas se encuentren en la zona verde. www. con lo que se delimitan 3 zonas: – Zona “verde” entre los límites PC. por tanto. b. se encuentren en la zona “verde”. Una vez en marcha la producción. c. El proceso está. 4.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 1.

lo que hace un total de 125 unidades.www.6 + 100.+100.8) la técnica del precontrol es lo suficientemente sensible como para detener el proceso en un 99% de las ocasiones.56 + 0.. se pretende implantar el SPC.40 = 0.6 + 100.40 = 0.+0. Los datos se representan en la parte inferior del gráfico y las medias y los recorridos se representan en la parte superior. se suman las medias de cada subgrupo y se dividen por el número de subgrupos.com . Se decide emplear un gráfico de medias y recorridos. – Cuando la dispersión del proceso es el 70% o menos del campo de tolerancias (CP ≤ 1..5. Para ello se elige como característica significativa a controlar.68 + 100.64+. cada una con 5 unidades.60 = 100.40 = 100. Se toman 25 muestras.5 + 0. ♦ Ejemplo 1: En un proceso de moldeo de piezas de plástico por inyección. se llega a las siguientes conclusiones: – Si la dispersión del proceso superara las tolerancias del mismo (CP ≤ 0.2.laformacion.11 × 0.40mm 25 es decir.58 × 0.Control estadístico de procesos y Planes de muestreo 1.84 LICR = D3 R = 0 × 0. La media y el recorrido medio.33 Para los recorridos.56mm 25 R= 0.40 = 100.net 48 . LSCR = D4 R = 2. 1.3 = 0.4 + 0.6.79 LIC X = X − A2 R = 100. son: X= 100.. Luis Arencibia Sánchez A través del procedimiento expuesto y realizados los cálculos adecuados.4 + 0. Los límites de control son: Para las medias.00 www. la longitud de la pieza. Ejemplos.2+.33) la utilización del precontrol alcanza su nivel óptimo. Potencia del sistema..56 − 0.58 × 0. LSC X = X + A2 R = 100.libroelectronico.

6 + 100.5 LIE = 100.58 × 0.5 + 0.77 LICX = 100.39 Para los recorridos.60 = 100.5+.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Al representar los datos. y sin tener en consideración los puntos fuera de límites de ambos gráficos.33 = 0.www.libroelectronico.0 www.58 × 0..33 = 100.. con unos límites más estrechos que antes.com .33 = 100.. siguiendo el mismo proceso anterior. los nuevos límites de control.58 + 0.70 LICR = 0 × 0.68 + 100.64+.4 + 0. lo que indica la actuación especiales de variación.net 49 .00 De esta forma se obtiene el gráfico de la figura en el que se han eliminado las causas que originaron los puntos fuera de los límites de control. LSC X = 100. Los límites de especificación superior e inferior) establecidos para este proceso.+0.33 = 0. LSCR = 2. En él se observa que el proceso está bajo control.laformacion. son: LSE = 101.33 22 Los nuevos límites de control son: Para las medias. Ahora ya se puede calcular la capacidad de proceso.+100.11 × 0. Una vez identificadas y solucionadas las causas especiales que actúan en esos puntos se recalculan.. La media y el recorrido medio son: X= 100. se observa que existe un punto fuera de los límites de las medias y dos puntos fuera en el Gráfico de Recorridos.58 − 0.6 + 100.3 = 0.58 22 R= 0.4 + 0.

el proceso tiene la capacidad consistentemente productos dentro de las especificaciones.net 50 .www. Calcular los límites de control de la gráfico R. ♦ Ejemplo 2: Utilizando las 30 observaciones de la muestra X1. d.79 6 × 0.5.com . Calcular los límites de control de la gráfico I.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Cp = LSE − LIE 6σ Cp = 1015 − 100 . asumiendo que el proceso subyacente es estable: a.33 Como Cp>1. se pide. Determinar la desviación estándar del proceso. b.33 = = 0. c.14 adecuada y puede producir σ= R 0.libroelectronico.14 d 2 2. Dibujar las gráficos de control con los 30 subgrupos y determinar si el proceso es estable.laformacion. = 1. www.

28 = 20.268 × 6. LC R = R = ∑ Ri = 6. se realiza el cálculo de las medias móviles y de las medias generales: a.laformacion.net 51 .28 = 0 b. www.libroelectronico.Control estadístico de procesos y Planes de muestreo RESOLUCIÓN Luis Arencibia Sánchez Como paso previo.51 LCS R = D3 R = 0 × 6. Calcular los límites de control de la gráfica X. Calcular los límites de control de la gráfica R.www.com .28 29 LCS R = D4 R = 3.

96 LCI1 = X + E 2 R = 59.libroelectronico.57 . d2 o σ= LCS1 − X 3 d.28 = 42.28 / 1128 = 5.laformacion.66 × 6. Determinar la desviación estándar del proceso.27 + 2.66 × 6.27 30 LCS1 = X + E 2 R = 59.net 52 . Dibujar las gráficos de control con los 30 subgrupos y determinar si el proceso es estable.com . www.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez LC1 = X = ∑ xi = 59.28 = 75.www.57 c. σ= R = 6.27 + 2.

www.libroelectronico. se realiza el cálculo de la medias: a. www.net 53 . Calcular los límites de control del gráfico p (nº defectos por muestra) b. asumiendo que el proceso subyacente es estable: a.laformacion.com . Calcular los límites de control del gráfico p.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez ♦ Ejemplo 3: Utilizando las 16 observaciones siguientes. Dibujar los gráficos de control con los subgrupos. se pide. RESOLUCIÓN Como paso previo.

laformacion.com .net 54 .www.libroelectronico. Dibujar los gráficos de control con los 16 subgrupos. GRÁFICO p www.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez b.

aumentando el número de unidades defectuosas. existen dos posibilidades: • • Inspeccionar todas las unidades del lote. En los casos donde el número de defectos del lote es bajo. Sin embargo.www. Tipos de planes de muestreo. parte de la base de estructurar debidamente: el tamaño de la muestra y el criterio de aceptación de acuerdo con los riesgos de inferencia estadística que queramos asumir. La propia manipulación produce daños. Elementos de los planes de muestreo. del lote e inferir. es la única que permite conocer el número exacto de unidades defectuosas que contiene el lote. Inspeccionar sólo una muestra representativa estadísticamente. la homogeneidad de todo el lote.com . este tipo de inspección tiene limitaciones: • Es un procedimiento costoso.net 55 .3. hace que se acepten unidades defectuosas. • La segunda posibilidad. Niveles de inspección. Planes de muestreo por variables.1. Cada unidad debe ser inspeccionada individualmente.laformacion. • No es aplicable la inspección del 100% si la inspección para conocer las características de la pieza exige realizar ensayos destructivos. 2. hacen que unidades defectuosas pasen como unidades buenas. en todo tipo de empresas. el número de unidades defectuosas en el lote es alto.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 2. o la utilización no adecuada de los instrumentos de medida. Si. No es efectiva al 100%.libroelectronico. Planes de muestreo. unido a los errores propios de los inspectores. pero presenta la ventaja de eliminar las limitaciones de la inspección 100% especialmente en lo relativo al coste de la inspección en el caso de ser necesarios los ensayos destructivos. implica riesgos basados en que la homogeneidad del lote se infiere de los resultados de una muestra. La primera posibilidad. 2.5. para determinar la calidad de un lote.1.2. Tipos de muestreo. 2. la falta de tiempo para la inspección. Para conocer si un lote formado por un determinado número de unidades cumple las especificaciones. la monotonía por la repetitividad del trabajo. inspección del 100%. 2. En general podemos afirmar que las técnicas de aceptación por muestreo son las más ampliamente utilizadas. Curvas características. De hecho se han realizado estudios que han revelado que incluso un 300% de inspección detecta el 97% de los defectos. 2. el muestreo estadístico. 2.4. El principio de aplicación de los planes de muestreo. por el contrario.5. www.

b.libroelectronico. las unidades de productos se consideran sobre la base de “pasa o no pasa”. Respecto a las condiciones de selección o levantamiento. “correcto o incorrecto”. las unidades deben ser homogéneas de un tipo único. el correcto levantamiento de muestras y la aplicación de criterios de aceptación objetivos. www.com . En la inspección de atributos.laformacion. El muestreo queda caracterizado por: el tamaño del lote (N). “completo o incompleto”. de tal modo que varía poco el porcentaje defectuoso del lote después de extraer la muestra del lote. Las tablas de muestreo que veremos más adelante tratan de resolver el compromiso entre economía y representatividad. Un defectivo es una unidad de producto que tiene uno o más defectos. Elementos de los planes de muestreo.1. grado. son clasificadas simplemente como defectivas o no defectivas. siempre con la consideración de incurrir en costes asumibles. Es aquélla en la cual bien la unidad de producto o bien sus características. es aquel que afecta a una característica crítica de la pieza o material.www. “dentro o fuera de tolerancia”. Debe ser lo suficientemente grande para que sea representativa de la homogeneidad del tamaño del lote (N) y lo suficientemente pequeña para minimizar los costes de inspección. a. es decir.net 56 . Las tablas de muestreo indican también cómo hay que seleccionar la muestra. La inspección. composición. o se toma en cuenta el número de defectos de la unidad de producto con relación a un requisito específico. tamaño. Los datos del muestreo. El objeto de la inspección es determinar el número de defectos y el tipo de defectos observados. el buen manejo de los lotes. el tamaño de la muestra (n) y las condiciones de selección o levantamiento. La inspección consiste en que una o varias unidades de producto son seleccionadas al azar entre las que salen del proceso de producción y son examinadas en una o varias de sus características respecto a las especificaciones exigidas. las condiciones de selección.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 2. Hay dos métodos de inspección para evaluar características de calidad que son: – Inspección por atributos. fabricadas bajo las mismas condiciones esenciales y al mismo tiempo. de tal manera que probablemente la pieza o el material no pueda satisfacer las necesidades para las que fue diseñado. Cuanto menor sea el tamaño del lote (N) menor será la muestra. La clasificación de los defectos de acuerdo a un orden de importancia o gravedad es: • Crítico. Los planes de muestreo están estructurados con el objeto de garantizar la fiabilidad de los procedimientos de inspección. El tamaño de la muestra (n) requiere un compromiso. “defectivo o no defectivo”. La proporción en que aumenta el tamaño de la muestra es mucho menor que la proporción en que aumenta el tamaño del lote. clase.

para las características de calidad indicadas. El AQL y el LTPD están asociados a los planes de muestreo orientados a la protección de la calidad de los lotes objeto de la inspección. objetivo a conseguir en la inspección (grado de conformidad con los requisitos establecidos) y tienen influencia en la determinación de la severidad de los criterios de aceptación o rechazo. c. expresan los niveles de calidad. Cada uno de los índices utilizados sirve para un propósito diferente. van a ser aceptados. Es aquélla en que ciertas características de calidad de la unidad de producto se evalúan con respecto a una escala numérica continua.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez • Mayor.libroelectronico. www. Es decir. – Inspección por variables. probablemente acabe en fallo. La inspección de variables registra el grado de conformidad o no-conformidad de la unidad a los requisitos específicos. Los índices de calidad del muestreo Los índices de calidad. Es el porcentaje máximo de unidades defectuosas en un lote que.net 57 .www. y se expresan como puntos concretos a lo largo de esa escala. – El LTPD (“Lot Tolerance Percent Defective” o Porcentaje de Unidades Defectuosas Toleradas). siendo los más comunes: – El AQL (“Average Quality Limit” o Nivel de calidad aceptable). es el que. En un plan de muestreo el riesgo del fabricante debe ser bajo de forma que la probabilidad de rechazar un lote. o reduzca materialmente la capacidad de uso de la unidad de producto para un propósito determinado. por lo que debe tener una probabilidad de aceptación baja. Es el porcentaje de unidades defectuosas toleradas en un lote que a efectos de muestreo se considera insatisfactorio.laformacion.com . con un nivel de calidad mejor que el AQL sea también baja. es una desviación de los estándares establecidos que no tiene gran incidencia en el uso efectivo de la unidad de producto. se puede considerar asumible como media del proceso. expresados generalmente en porcentaje de unidades defectuosas. a diferencia del crítico. están asociados al muestreo de series continuas de lotes para proporcionar un nivel alto de seguridad de que los lotes con nivel de calidad medio. a efectos del muestreo. igual o mejor que el AQL. por lo que debe tener una probabilidad de aceptación alta. • Menor.

como término medio.www.libroelectronico. el riesgo asociado a la actividad de inspección y que consiste en aceptar lotes malos y rechazar lotes buenos. mediante un plan de muestreo determinado. Dependiendo de las características del lote y el objetivo a conseguir con el plan de muestreo se eligen los valores adecuados para los riesgos del muestreo que son: – El riesgo α o el riesgo de rechazar un lote bueno. se acepte un lote con un nivel de calidad no aceptable. También se llama “riesgo del comprador”. de acuerdo con los resultados observados en la muestra. Se puede representar gráficamente como sigue: www. Se entiende como tal. mediante un plan de muestreo determinado. acepte un lote cuya calidad es mala. En términos probabilísticos. También se llama “riesgo del fabricante”. rechace un lote cuya calidad es buena. es el fabricante del lote. ya que el principal afectado por el hecho de que un plan de muestreo. – El riesgo β o el riesgo de aceptar un lote malo. La probabilidad de aceptación nos indica que.laformacion. En las tablas de muestreo cada plan lleva asociados unos valores determinados para cada tipo de riesgo.net 58 . Por regla general el número de rechazo es igual al número de aceptación más uno. Las tablas determinan el número de aceptación (Ac) como el máximo de piezas defectuosas que se pueden tolerar para aceptar un lote y el número de rechazo (Re) como el mínimo de piezas defectuosas que pueden aparecer en una muestra para rechazar el lote inspeccionado. no se acepte un lote con un nivel de calidad aceptable. En términos probabilísticos el riesgo β es la probabilidad de que. es el comprador. de acuerdo con los resultados observados en la muestra. de cada 100 veces que un lote se presente a inspección se aceptará Pa veces. que deben ser tenidos en cuenta a la hora de elegir un plan determinado. e. La disposición del lote es el conjunto de reglas especificadas en los planes de muestreo que establecen la decisión que se debe adoptar con los lotes una vez terminada la inspección de las muestras. ya que el principal afectado por el hecho de que un plan de muestreo. La protección del plan de muestreo.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez d. La disposición del lote. el riesgo α es la probabilidad de que.com .

Construcción de la curva característica. para cada porcentaje de unidades defectuosas teóricas en el lote. Para representar la curva característica se determina. para un mismo plan de muestreo. – El tamaño de la muestra n es mayor o igual a 30.2. Cada plan tiene su curva particular y por tanto familiarizarse con los distintos tipos de curva es un requisito indispensable para calcular la protección que el plan proporciona. 2.net 59 . Cuando el lote se somete a inspección desconocemos el porcentaje de defectuosos que tiene el mismo.1. que va disminuyendo a medida que crece el porcentaje defectuoso.com .www. que es el caso en que se aceptará siempre el lote. La curva característica comienza con una probabilidad de aceptación del 100% para un defectuoso nulo. si se cumplen las hipótesis básicas: – La proporción p es menor o igual a 0. Curvas características. La probabilidad de aceptación se determina utilizando tres tipos de distribución de probabilidades: la hipergeométrica. la curva característica nos indica la probabilidad que tenemos de aceptarlo suponiendo que tuviera un determinado porcentaje de defectuosos. La probabilidad de aceptación. www. dando como resultado las curvas características.laformacion. dependiendo del 1% de defectuosos. la probabilidad que al realizar un muestreo de n unidades aparezca un número de unidades defectuosas x igual o menor que el número de aceptación.libroelectronico. – El tamaño del lote es al menos 10 veces el tamaño de la muestra. siendo ésta última. Para comprender y utilizar correctamente los planes de aceptación por muestreo es preciso conocer varios términos y símbolos. la binomial y la de Poisson. por su facilidad de cálculo la más recomendable de utilizar. siendo la herramienta estadística más importante su curva característica.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez La probabilidad de aceptación tiene como máximo el 100%. La curva característica de un plan de muestreo nos indica la probabilidad de aceptar un lote en función del porcentaje defectuoso que realmente tiene el lote que se somete a inspección. varía. a.

b. Las figuras mostradas a continuación muestran el efecto de los diferentes parámetros del plan de muestreo en la forma de la curva característica: – Si el número de aceptación (c) es 0.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez La función de probabilidad de encontrar x unidades defectuosas en una muestra de tamaño n y con una proporción de unidades defectuosas en el lote de p.net 60 . a medida que el tamaño de la muestra decrece la protección contra la mala calidad de los lotes también lo hace y además de forma significativa.laformacion. en un suceso cuyo número de ocurrencias medio es np.libroelectronico. En la figura se observa que. – Si aumenta el tamaño de la muestra (n). en estas condiciones es: x − np  x  (np) e p  =  n x! Para mayor facilidad. se puede determinar directamente de las tablas de distribución de Poisson. aumenta la pendiente de la curva (gráfico b). www.www.com . Forma de las curvas características. fijados un AQL y α. por ello en muchas aplicaciones las curvas se determinan en función de n y c. la probabilidad de x o menos ocurrencias. En esta figura podemos observar además la escasa variación en cuanto a protección suministrada por el plan para diferentes tamaños de lotes. la curva es exponencial (gráfica a).

la curva se desplaza a la derecha (gráfico c). la curva se acerca a la curva característica perfecta (gráfico d). www. la probabilidad de aceptar un lote.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez – Si aumenta el número de aceptación (c). El efecto de cambiar la cifra de aceptación c manteniendo constante el tamaño de la muestra hace que a medida que c crece.com . para un determinado porcentaje defectuoso crezca.net 61 .laformacion. – Si el tamaño de la muestra se acerca al tamaño del lote.www.libroelectronico.

1. La elección del plan de muestreo debe hacerse de forma tal que se compaginen las necesidades del cliente y las posibilidades del proveedor. Cuanto mayor sea el % de defectuoso. Elección de la curva característica. 2.laformacion. La probabilidad de rechazo es complementaria al 100 de la probabilidad de aceptación.com . c. www. La probabilidad de rechazo. con un determinado % defectuoso por cada 100 veces que se presente a inspección. Una vez establecido un plan de muestreo y. 4. existe una sola curva característica que relaciona el % defectuoso de un lote con la probabilidad de aceptarlo al aplicar dicho plan de muestreo. menor será la posibilidad de aceptación Pa.net 62 . 5. nos indica el número de veces que. Dado un plan de muestreo (n. 7. Análisis de las curvas características. El máximo valor de la probabilidad de aceptación Pa es 100 y corresponde a los lotes que tienen un % de defectuosos igual a 0 o próximos. como término medio. Dado que el plan de muestreo (n. El mínimo valor de la probabilidad de aceptación Pa es 0 y se corresponde con % defectuosos grandes. c) referido a un tamaño de lote N. podemos conocer la probabilidad de aceptar un lote que tuviera un determinado % defectuoso. rechazaremos un lote. 6.www. 3.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez La curva característica de un plan de muestreo lo identifica inequívocamente y ello es de gran ayuda en la elección de un plan de muestreo adecuado a los riesgos α y β que se desean asumir. c) la curva característica puede considerarse la misma aunque el tamaño de lote varíe ligeramente. d. la curva característica. por lo tanto.libroelectronico.

Lo ideal sería reducir al máximo esta zona. Existirá un solo plan de pruebas y por tanto una única curva una vez fijados los requisitos: – NCA (nivel de calidad límite). – α (riesgo del fabricante). – La mezcla con otros lotes correctos dará lugar a una calidad media deficiente. por las razones siguientes: • • – Se tendrán trastornos en las líneas de montaje.libroelectronico. Valores más representativos de la curva característica. pero el nivel de riesgo es alto. – Se producirán desperdicios o reparaciones. • Nivel de Calidad Aceptable (AQL o NCA): Es el máximo % defectuoso que admite el cliente como promedio de los % defectuosos de los lotes que se reciban de un proveedor. • Riesgo del cliente β : Es la probabilidad o riesgo de que el cliente acepte un lote que tenga un % defectuoso igual a la Calidad Límite.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez e. • Zona de Incertidumbre: Es la zona en la que a veces se aceptará y otras se rechazará el lote en función del % defectuoso.laformacion. A una zona amplia le corresponden muestras pequeñas y por tanto controles baratos. Por estos motivos deberá fijarse una Calidad Límite tal que difícilmente puedan aceptarse lotes con esta calidad. – Costes de revisión al 100% y costes adicionales de inspección. El cliente debe protegerse contra lotes aislados que tengan un % defectuoso excesivo. www.www. – Riesgo de sacar producto defectuoso al mercado. Riesgo del proveedor ( α ): es el riesgo de que el cliente rechace un lote que tuviera un % defectuoso igual al NCA.net 63 . A una zona estrecha corresponden muestras grandes. mayor coste y riesgos bajos. – CL (calidad límite). – β (riesgo del consumidor).com . Calidad límite (QL o CL): Es el máximo % defectuoso que puede admitirse en un lote aislado. no deseadas. La amplitud de esa zona mide la potencia del plan de muestreo.

asumiendo que los lotes rechazados han sido inspeccionados al 100% y han sido sustituidas las unidades defectuosas por otras sin defecto. A cada plan de muestreo le corresponde un valor determinado de AOQL.libroelectronico.com . están asociados a proporcionar la seguridad de que la calidad media de todos los lotes no será peor que el AOQL.laformacion. La Calidad Media de Salida (AOQ) y el límite de Calidad Media de Salida (AOQL) están asociados a los planes de muestreo asociados a la protección de la calidad media de las unidades procedentes de varios lotes inspeccionados. Es decir. Seguimiento evolutivo de la calidad obtenida. Podemos decir que el valor del AOQL es el máximo % defectuoso que existirá en nuestros almacenes después de haber sido inspeccionados los lotes a su recepción.www.net 64 .Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez f. www. separadas las unidades defectuosas de los lotes que se inspeccionan al 100% y repuestas por unidades correctas.

– Cuando los lotes tienen porcentajes de defectuosos próximos al AQL. La decisión de utilizar uno de los tres tipos de muestreo existentes debe ser tomada en función de las condiciones específicas de la aplicación. de un lote.www. – Los costes de inspección son óptimos. el – Si son aplicables los sistemas informáticos se simplifica la administración del muestreo.net 65 . • Muestreo simple: La aceptación o rechazo.libroelectronico. Tipos de muestreo. – El coste y complejidad de utilización son menores que en el muestreo múltiple. se basa en los resultados de un solo muestreo. de un lote. muestreo múltiple puede proporcionar costes de inspección más bajos que los anteriores. • Muestreo doble: Bajo ciertas circunstancias se toma una segunda muestra antes de decidir la aceptación del lote.laformacion. se basa en los resultados de varias muestras tomadas del mismo lote. por tanto si el porcentaje de defectos o es muy bajo o es muy alto nos evitaremos realizar el segundo muestreo.com . www. siendo las razones principales para ello: – El tamaño requerido de la primera muestra es menor que la del muestreo simple. Se emplea en: – Procesos que físicamente no permiten una posterior toma de muestra en caso de ser necesario. Se aplica en las ocasiones siguientes: – Si los costes administrativos se pueden reducir mediante sistemas informáticos. • Muestreo múltiple: La aceptación o rechazo. Es el muestreo más ampliamente usado.3.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 2.

En el momento que se detecta un empeoramiento de la calidad hay que regresar a la aplicación del nivel normal.net 66 . Así.laformacion.4.libroelectronico. elegida a priori. Su uso se justifica en criterios pragmáticos y de coste y en que se asume que sistemáticamente se está por debajo de los niveles de unidades defectuosas toleradas. El tamaño de muestra es del orden del 40% del nivel normal. Si al cabo de una serie de inspecciones se observa que los resultados son mejores que la calidad especificada. que relaciona el tamaño de la muestra con el tamaño del lote. Niveles de inspección. Este es similar al normal. Los planes de muestreo permiten variar el nivel de inspección dependiendo de los niveles de homogeneidad del lote. Si por el contrario el nivel de calidad de los lotes a inspeccionar es inferior que el especificado se debe elegir un nivel riguroso.www. pero se reduce el número de unidades defectuosas aceptables para cada tamaño de muestra. www. se puede reducir el nivel de inspección. Los planes de muestreo reducidos no se ajustan a las curvas características de los muestreos normales correspondientes. El nivel de inspección es una característica de un plan de muestreo. Los niveles de inspección reflejados en la mayoría de los planes de muestreo son: riguroso. al comenzar la inspección de un producto del cual no se tiene un histórico se aplica el nivel normal de inspección. normal y reducido.com .Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 2.

Planes por atributos: Cada unidad de la muestra se clasifica como buena o mala. b. La tabla que figura a continuación resume las características más importantes de forma comparativa: Concepto Tipo de inspección Atributos Cada unidad se clasifica como defectuosa o aceptable Mayor que en muestreo por variables Binominal Poisson Cualquiera Variables Se miden magnitudes Tamaño de muestra Hipótesis sobre la distribución Número de características Tipo de información Reducido Se supone distribución normal Un plan de muestreo para cada característica a valorar Información sobre la media y la variabilidad Número de unidades defectuosas www.net 67 . Planes por variables: En cada unidad la muestra se mide la característica observada.libroelectronico.www.Control estadístico de procesos y Planes de muestreo 2. donde la evaluación se hace en términos de “aceptable o no aceptable”. A continuación se compara el número de unidades malas con el número de aceptación y se toma la decisión de aceptar o rechazar el lote.5. Luis Arencibia Sánchez La forma de planear un plan de muestreo es muy diferente según que las características a estudiar sean atributos.com . o variables. Tipos de planes de muestreo. donde el producto se evalúa según una tabla de medida. tomando la decisión de aceptar o rechazar el lote.laformacion. Por ello los planes de muestreo se dividen en dos tipos básicos: a. A continuación se calculan las variables estadísticas muestrales especificadas y se compara con el valor permitido definido en el plan.

Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez Otra forma de clasificar los planes de muestreo es en función del parámetro que tratan de asegurar como objetivo: a. con un porcentaje de unidades defectuosas menor que el AQL especificado. Se pretende que el riesgo del fabricante sea bajo.www.libroelectronico. sin considerar el riesgo del comprador. Los Planes de AQL (Nivel de Calidad Aceptable): El objetivo de los planes de muestreo basados en AQL es proporcionar una gran seguridad de que los lotes van a ser aceptados.laformacion.net 68 . www.com .

cuyo porcentaje de unidades defectuosas es mayor que el LTPD especificado.libroelectronico. Las curvas características de estos planes proporcionan el mismo riesgo β para cada AQL.laformacion. www.com .net 69 . Los Planes de LPTD (Porcentaje de Unidades Defectuosas Toleradas): El objetivo de los planes de muestreo basados en el LTPD es proporcionar una gran seguridad de que se van a rechazar los lotes.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez b. Se pretende mantener un riesgo bajo de comprador sin considerar el riesgo del fabricante.www.

www.libroelectronico. Los Planes de AOQL (Límite de Calidad Media de Salida): El objetivo que persiguen estos planes es el de asegurar a los fabricantes que la calidad media de salida de los lotes (una vez inspeccionados los rechazados). www.com .net 70 .Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez c.laformacion. no va a ser inferior a la especificada por el AOQL.

Definir: − El tamaño de lote. Los criterios de aceptación se basan en la variabilidad y en la localización de la distribución de las medidas individuales con relación a los límites especificados.libroelectronico. Las tablas MIL-STD-414 se clasifican en función de la medida de la variabilidad utilizada ( σ . El tamaño de muestra es más pequeño que para los planes por atributos y además permiten cuantificar determinados aspectos y tomar decisiones adicionales a las de aceptación o rechazo. Así los planes de muestreo por variables se utilizan para controlar: − El número de unidades defectuosas. que son la desviación típica y la media. Se calcula un índice con estos valores. Dentro de este tipo de planes podemos destacar el siguiente: • Military Standard MIL-STD-414. www. entre los contenidos en las tablas.laformacion.www. Se asume que las distribuciones de las mediciones individuales siguen la distribución normal.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez 2. S o R). se deben seguir los pasos siguientes: 1. − El método R.com . − Los parámetros de proceso. Para elegir un plan determinado.net 71 . el tipo de especificación (límite sencillo o doble) y la forma (1 ó 2). Es un plan de muestreo basado en AQL. Los planes de muestreo por variables se utilizan para tomar decisiones sobre un lote de material en el que las especificaciones se expresan en forma de mediciones continuas. Planes de muestreo por variables. Cada unidad de la muestra es medida y su valor registrado. Para la medida de la variabilidad pueden emplearse tres métodos: − El método σ (cuando se conoce la desviación típica del proceso). se compara con el valor de referencia y se toma la decisión de aceptar o rechazar el lote. − El nivel de calidad aceptable (AQL) − El método a utilizar ( σ .1. S o R). − El método S.5.

Definir: − El tamaño de lote. reducido y riguroso. Mediante el tamaño de lote y el nivel de inspección obtener la letra de código de las tablas. − El nivel de calidad aceptable: 0. Luis Arencibia Sánchez 2. el AQL.Control estadístico de procesos y Planes de muestreo − El nivel de inspección: normal. • Military Standard MIL-105-D. Comparar el parámetro estadístico calculado con el de referencia y tomar la decisión de aceptar o rechazar. reducido. − El tipo de muestreo: simple.www. Los niveles de calidad III.com . A partir de la letra de código. S3 ó S4. Los niveles I y II son especiales y requieren un tamaño de muestra menor.libroelectronico.. medir la característica a inspeccionar para cada unidad de la muestra y calcular el parámetro estadístico requerido. S2. Para lotes aislados se tomará la precaución de consultar las curvas características.015. normal y rigurosa. www. − La forma (1 ó 2). riguroso. .2. − El nivel de inspección: normal. 3. 0.025. IV y V corresponden a inspección reducida. con una probabilidad de aceptación de lotes con un nivel de calidad igual o mayor que el AQL. Mediante la letra de código.010. Tomar una muestra aleatoria de tamaño n. Están preparados para su uso en series continuas de lotes. reducido o riguroso. obtener el plan de muestreo de las tablas de muestreo disponibles: muestreo sencillo. hay que seguir los pasos siguientes: 1. 4. 2. el AQL y el tipo de muestreo.laformacion. semielaborados. A partir del tamaño de lote y el nivel de inspección buscar en las tablas el nivel de inspección (la letra de código de la tabla).net 72 . doble o múltiple cada uno con niveles de inspección normal. etc. Planes de muestreo por atributos. Estos planes están basados en el AQL. y el tipo de muestreo buscar de las tablas de muestreo el tamaño de la muestra y la constante de aceptación K o M. Se aplican a la inspección de productos terminados. Para elegir un plan determinado entre los diferentes contenidos en las tablas. 2. doble o múltiple.5. productos almacenados.. S1. 3. componentes y materias primas. 5. El plan de muestreo elegido indica el tamaño de la muestra y los números de aceptación y de rechazo. de entre 88 y el 99%. 0.

laformacion. las tablas requieren la determinación del porcentaje de unidades defectuosas en el lote antes de elegir el plan de muestreo más adecuado. El énfasis está en la calidad de la media de salida a largo plazo. Son por tanto. donde hay que tomar una decisión definitiva. Las características que tienen son: − Los resultados se analizan con mayor frecuencia. En estas tablas se supone que todos los lotes rechazados son inspeccionados al 100% y llevan implícito el coste mínimo de muestreo para cada grado de protección deseado.www. impliquen el rechazo del lote al salir de la zona de indecisión e introducirse en la zona de aceptación o rechazo. lo que los diferencia de los planes de muestreo que requieren muestreos de múltiples unidades. El énfasis está en garantizar que los lotes con una calidad peor que LTPD establecido se van a aceptar en raras ocasiones. por lo que no se garantiza que no se puedan aceptar lotes individuales de mala calidad. El límite de este plan está en 160 unidades. Las tablas LTPD se clasifican según el porcentaje defectuoso del lote y disponen de valores comprendidos entre el 0. de forma que permiten elegir planes que minimizan la inspección con relación a un nivel de calidad dado. En estos planes de muestreo al inspeccionar cada unidad de la muestra se debe tomar la decisión de aceptar el lote.libroelectronico.com .1 y 10%.Control estadístico de procesos y Planes de muestreo Luis Arencibia Sánchez • Tablas de Dodge Romig.net 73 . Las tablas AOQL se clasifican según el límite de calidad media de salida y disponen de valores comprendidos entre 0. un conjunto de cuatro tablas diferentes. Requieren la toma de decisiones sobre unidades individuales.5 y el 10% para el LTPD con un riesgo constante para el comprador β del 0.10. El muestreo debe proseguirse hasta que los resultados de la muestrabilidad utilizada (s. rechazarlo o inspeccionar otra unidad. Muestreo acumulado 40 60 80 100 120 160 Nº aceptación acumulado 0 1 2 2 3 7 Nº rechazo acumulado 4 5 6 6 7 8 www. • Planes secuenciales. De hecho. − Tienen una banda de indecisión entre la zona de aceptación y la de rechazo. S o R). Las tablas incluyen planes de muestreo simples y dobles y cada uno de ellos permite protección mediante el AOQL y el LTPD.

com . Los requisitos de aplicación de estos planes son: − Realizar la inspección sobre el producto móvil. CSP-2. son: − Inspeccionar los lotes en el orden que se producen. CSP-3. • Planes de muestreo en cadena. En este punto se interrumpe la inspección y se sustituye por un muestreo donde se inspecciona una fracción de producto “f”. CSP-F. − Ser de fácil realización la inspección 100%. sino también con los resultados de los lotes precedentes. Implican que la decisión de aceptar o rechazar se tome sobre cada unidad inspeccionada. CSP-M.net 74 . − La fracción de unidades defectuosas debe seguir la distribución binomial. dependiendo de la calidad observada en el producto. Estos planes tienen la característica de que la aceptación o rechazo de un lote no sólo está relacionada con el resultado del muestreo de dicho lote. Pero son capaces de detectar variaciones importantes con tamaños de muestra pequeños y frecuencia alta.www. La sistemática de control consiste en iniciar la inspección 100% de las unidades producidas de forma consecutiva y continuarla hasta que se contabilicen “i” unidades sucesivas aceptables. Existen varios tipos de muestreo en continuo: CSP-1. Están tabulados según el AQL o el AOQL. www. El muestreo continúa hasta que se encuentra una unidad defectuosa en la muestra en cuyo cayo se vuelve a la inspección 100% y se repite el ciclo. Los requisitos para la aplicación de un plan efectivo de muestreo en cadena. Los valores de “i” y de “f” se encuentran tabulados. CSP-A.Control estadístico de procesos y Planes de muestreo • Planes de muestreo en continuo. − Tener un producto homogéneo. Luis Arencibia Sánchez Están diseñados para la inspección de procesos que proporcionan una producción en continuo en lugar de por lotes. CSP-V.libroelectronico.laformacion. y utilizan periodos alternativos de inspección 100% y muestreo. CSP-T. − La calidad de los lotes se debe suponer homogénea. CSP-R. El inconveniente de estos planes es la dificultad de detectar cambios pequeños en la homogeneidad del lote. − Inspeccionar características poco complejas. − El tamaño de muestra es fijo para cada lote.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->